多维信号处理 快速变换 稀疏表示与低秩分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多维信号处理 快速变换 稀疏表示与低秩分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 多维信号处理的回顾与展望1

1.1 引言1

1.2 多维信号快速变换2

1.2.1 快速m-D DCT2

1.2.2 快速m-D DWT3

1.3 多维信号稀疏表示4

1.4 多维信号低秩分析6

1.5 本章小结8

第2章 多维离散余弦变换矩阵快速分解9

2.1 引言9

2.2 DCT变换矩阵的分解9

2.3 m-D DCT与m-D比例DCT15

2.4 m-D比例DCT快速算法18

2.4.1 m-D Ⅰ型比例DCT18

2.4.2 m-D Ⅱ型比例DCT19

2.5 计算复杂度比较19

2.6 本章小结20

第3章 多维离散小波变换VLSI架构21

3.1 引言21

3.2 多维DWT变换的架构21

3.3 比较与评价26

3.3.1 2-D DWT26

3.3.2 3-D DWT27

3.4 本章小结27

第4章 多维信号稀疏表示理论与应用28

4.1 引言28

4.2 压缩感知28

4.3 压缩感知的应用37

4.4 本章小结40

第5章 基于双树离散小波变换的图像／视频编码41

5.1 引言41

5.2 双树离散小波变换42

5.2.1 解析复小波变换42

5.2.2 双树离散小波变换（DDWT）44

5.3 基于DDWT的图像编码49

5.3.1 基于DDWT的图像稀疏表示49

5.3.2 DDWT系数特性53

5.3.3 基于DDWT的图像编码58

5.4 自适应双树离散小波包63

5.4.1 自适应离散小波包63

5.4.2 自适应双树离散小波包68

5.4.3 ADDWP的图像／视频表示性能78

5.5 基于ADDWP的图像／视频编码80

5.5.1 基于率失真优化的稀疏表示81

5.5.2 基于ADDWP稀疏表示的RDO编码86

5.5.3 编码性能比较93

5.6 本章小结101

第6章 多维信号的低秩分析理论与应用104

6.1 引言104

6.2 矩阵秩最小化105

6.3 矩阵低秩稀疏分解108

6.4 典型应用举例109

6.4.1 矩阵秩最小化的应用109

6.4.2 矩阵低秩稀疏分解的应用111

6.5 本章小结113

第7章 稀疏结构下的视觉信息感知115

7.1 引言115

7.2 对数和启发式感知算法116

7.2.1 低秩与稀疏的数学统一116

7.2.2 非凸p范数的数学极限117

7.2.3 非凸启发式恢复117

7.2.4 log-sum极限下的低秩结构计算118

7.2.5 理论证明120

7.3 log-sum逼近在数据分析中的应用120

7.3.1 LHR用于低秩矩阵恢复120

7.3.2 LHR用于低秩表示125

7.4 log-sum逼近在立体重建中的应用129

7.4.1 问题与背景129

7.4.2 融合矩阵的建立及特性分析130

7.4.3 点云融合134

7.4.4 三维重建138

7.5 本章小结139

7.6 本章附录140

7.6.1 缩写词140

7.6.2 计算LHR的上边界140

7.6.3 LHR收敛性的理论证明141

第8章 保拓扑的动态场景三维重建方法143

8.1 引言143

8.2 国内外研究现状143

8.2.1 形状恢复144

8.2.2 运动捕捉146

8.3 基于三维运动估计的动态场景三维重建方法147

8.3.1 初始运动估计148

8.3.2 矩阵填充优化149

8.3.3 场景流的空时选择150

8.4 实验结果与分析152

8.4.1 计算机仿真实验152

8.4.2 实际系统实验153

8.4.3 运行时间156

8.5 本章小结156

第9章 多维信号的低秩分解与自适应重构157

9.1 引言157

9.2 低秩累积矩阵构造与多维信号的低秩分解158

9.3 低秩分解在压缩感知图像重构中的应用162

9.3.1 问题描述162

9.3.2 实验结果与分析167

9.3.3 本节小结174

9.4 低秩分解在图像超分辨率中的应用175

9.4.1 图像超分辨率方法概述175

9.4.2 基于堆积矩阵低秩特性的图像超分辨率重构180

9.4.3 实验结果与分析183

9.4.4 本节小结187

9.5 本章小结188

参考文献189