读者评分
5分
5分
压缩感知理论的工程应用方法
1星价
¥31.2
(8.0折)
2星价¥31.2
定价¥39.0
买过本商品的人还买了
商品评论(1条)
图文详情
- ISBN:9787560643595
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:32开
- 页数:232
- 出版时间:2017-02-01
- 条形码:9787560643595 ; 978-7-5606-4359-5
内容简介
在传输带宽有限和数据量激增的数字化时代,压缩感知理论为低速有效获取信息提供了一种新的思路,成为近十年来信号信息处理领域中一个备受瞩目的理论。本书的编写注重理论和工程应用的结合,针对压缩感知理论在工程应用上的几个热点和难点问题,给出了理论建模和求解方法,既有完整的物理模型,又有完备的数学推导,同时通过图文并茂的方式,给出了大量的仿真示例和详尽的结果分析。 本书既可作为相关研究人员的工具书,也可作为对压缩感知理论感兴趣的读者的入门读物。
目录
**章 概论................................................................................................................. 1
1.1 引言.................................................................................................................... 1
1.2 信号的稀疏表示.................................................................................................. 2
1.3 压缩感知的基本思想........................................................................................... 5
1.4 研究内容............................................................................................................. 8
本章小结..................................................................................................................... 9
本章参考文献.............................................................................................................. 9
第二章 压缩感知理论简介........................................................................................... 13
2.1 引言.................................................................................................................. 13
2.2 信号表示模型.................................................................................................... 13
2.3 观测矩阵及其特性分析研究方法........................................................................ 15
2.4 信号的观测数量................................................................................................. 20
2.5 信号重构算法.................................................................................................... 21
本章小结................................................................................................................... 22
本章参考文献............................................................................................................ 22
第三章 信号稀疏表示与分解方法................................................................................ 24
3.1 信号的稀疏逼近................................................................................................. 26
3.1.1 稀疏信号与基下的信号稀疏逼近.................................................................. 26
3.1.2 过完备字典下的信号稀疏逼近..................................................................... 29
3.2 典型过完备字典................................................................................................. 31
3.2.1 完备字典..................................................................................................... 31
3.2.2 典型过完备字典.......................................................................................... 32
3.3 过完备稀疏分解方法.......................................................................................... 34
3.3.1 常用稀疏分解算法及问题分析..................................................................... 34
3.3.2 GIGMP算法................................................................................................ 43
3.3.3 基于原子库树状结构划分的诱导式分解算法................................................ 46
3.3.4 迭代阈值算法.............................................................................................. 52
3.3.5 交替方向乘子方法....................................................................................... 55
本章小结................................................................................................................... 56
本章参考文献............................................................................................................ 56
第四章 图像稀疏重建.................................................................................................. 61
4.1 引言.................................................................................................................. 61
4.2 基于自适应稀疏域选择的图像稀疏表示.............................................................. 64
4.2.1 离线字典学习.............................................................................................. 64
4.2.2 自适应子字典选择....................................................................................... 66
4.3 自适应正则........................................................................................................ 67
4.3.1 基于AR模型的自适应正则.......................................................................... 68
4.3.2 基于非局部相似的自适应正则..................................................................... 68
4.4 图像稀疏重建算法总结...................................................................................... 69
4.5 图像稀疏重建结果............................................................................................. 71
4.5.1 图像去模糊结果.......................................................................................... 71
4.5.2 图像超分辨率实验结果................................................................................ 73
本章小结................................................................................................................... 78
本章参考文献............................................................................................................ 79
第五章 基于压缩感知的一维回波信号获取与检测........................................................ 82
5.1 引言.................................................................................................................. 82
5.2 基于压缩感知的低速雷达回波获取..................................................................... 83
5.2.1 雷达回波的稀疏表示................................................................................... 83
5.2.2 雷达回波信号的低速获取............................................................................ 86
5.3 基于加权范数理论的高分辨一维距离像.......................................................... 93
5.3.1 加权范数重构模型简介............................................................................ 93
5.3.2 基于加权范数理论的高分辨一维距离像.................................................... 95
5.4 超声高分辨率探测........................................................................................... 100
5.4.1 基于压缩感知理论的探测原理.................................................................... 100
5.4.2 结合压缩感知理论和奇异值分解的高分辨率探测方法................................. 104
5.4.3 仿真实验及其结果分析.............................................................................. 109
本章小结.................................................................................................................. 111
本章参考文献........................................................................................................... 111
第六章 基于压缩感知的计算成像............................................................................... 114
6.1 引言................................................................................................................. 114
6.2 高分辨率可见光计算成像................................................................................. 115
6.2.1 基于运动随机曝光的高分辨率可见光计算成像方法.................................... 115
6.2.2 基于CCD-TDI模式的高分辨率遥感光谱成像............................................. 125
6.3 高分辨率光谱计算成像.................................................................................... 131
6.3.1 单通道光谱计算成像模型........................................................................... 131
6.3.2 双通道光谱计算成像.................................................................................. 136
6.4 基于低秩张量逼近的高维图像恢复................................................................... 156
6.4.1 基于低秩张量逼近的拉普拉斯尺度混合(LSM)模型..................................... 156
6.4.2 基于低秩张量逼近的高维图像去噪............................................................. 160
6.4.3 仿真实验................................................................................................... 162
本章小结................................................................................................................. 166
本章参考文献.......................................................................................................... 166
第七章 基于稀疏理论的高分辨率雷达成像................................................................ 168
第八章 基于稀疏表示重构的多视目标识别................................................................ 204
第九章 基于稀疏性提升的光流估计........................................................................... 214
本章参考文献.......................................................................................................... 230
1.1 引言.................................................................................................................... 1
1.2 信号的稀疏表示.................................................................................................. 2
1.3 压缩感知的基本思想........................................................................................... 5
1.4 研究内容............................................................................................................. 8
本章小结..................................................................................................................... 9
本章参考文献.............................................................................................................. 9
第二章 压缩感知理论简介........................................................................................... 13
2.1 引言.................................................................................................................. 13
2.2 信号表示模型.................................................................................................... 13
2.3 观测矩阵及其特性分析研究方法........................................................................ 15
2.4 信号的观测数量................................................................................................. 20
2.5 信号重构算法.................................................................................................... 21
本章小结................................................................................................................... 22
本章参考文献............................................................................................................ 22
第三章 信号稀疏表示与分解方法................................................................................ 24
3.1 信号的稀疏逼近................................................................................................. 26
3.1.1 稀疏信号与基下的信号稀疏逼近.................................................................. 26
3.1.2 过完备字典下的信号稀疏逼近..................................................................... 29
3.2 典型过完备字典................................................................................................. 31
3.2.1 完备字典..................................................................................................... 31
3.2.2 典型过完备字典.......................................................................................... 32
3.3 过完备稀疏分解方法.......................................................................................... 34
3.3.1 常用稀疏分解算法及问题分析..................................................................... 34
3.3.2 GIGMP算法................................................................................................ 43
3.3.3 基于原子库树状结构划分的诱导式分解算法................................................ 46
3.3.4 迭代阈值算法.............................................................................................. 52
3.3.5 交替方向乘子方法....................................................................................... 55
本章小结................................................................................................................... 56
本章参考文献............................................................................................................ 56
第四章 图像稀疏重建.................................................................................................. 61
4.1 引言.................................................................................................................. 61
4.2 基于自适应稀疏域选择的图像稀疏表示.............................................................. 64
4.2.1 离线字典学习.............................................................................................. 64
4.2.2 自适应子字典选择....................................................................................... 66
4.3 自适应正则........................................................................................................ 67
4.3.1 基于AR模型的自适应正则.......................................................................... 68
4.3.2 基于非局部相似的自适应正则..................................................................... 68
4.4 图像稀疏重建算法总结...................................................................................... 69
4.5 图像稀疏重建结果............................................................................................. 71
4.5.1 图像去模糊结果.......................................................................................... 71
4.5.2 图像超分辨率实验结果................................................................................ 73
本章小结................................................................................................................... 78
本章参考文献............................................................................................................ 79
第五章 基于压缩感知的一维回波信号获取与检测........................................................ 82
5.1 引言.................................................................................................................. 82
5.2 基于压缩感知的低速雷达回波获取..................................................................... 83
5.2.1 雷达回波的稀疏表示................................................................................... 83
5.2.2 雷达回波信号的低速获取............................................................................ 86
5.3 基于加权范数理论的高分辨一维距离像.......................................................... 93
5.3.1 加权范数重构模型简介............................................................................ 93
5.3.2 基于加权范数理论的高分辨一维距离像.................................................... 95
5.4 超声高分辨率探测........................................................................................... 100
5.4.1 基于压缩感知理论的探测原理.................................................................... 100
5.4.2 结合压缩感知理论和奇异值分解的高分辨率探测方法................................. 104
5.4.3 仿真实验及其结果分析.............................................................................. 109
本章小结.................................................................................................................. 111
本章参考文献........................................................................................................... 111
第六章 基于压缩感知的计算成像............................................................................... 114
6.1 引言................................................................................................................. 114
6.2 高分辨率可见光计算成像................................................................................. 115
6.2.1 基于运动随机曝光的高分辨率可见光计算成像方法.................................... 115
6.2.2 基于CCD-TDI模式的高分辨率遥感光谱成像............................................. 125
6.3 高分辨率光谱计算成像.................................................................................... 131
6.3.1 单通道光谱计算成像模型........................................................................... 131
6.3.2 双通道光谱计算成像.................................................................................. 136
6.4 基于低秩张量逼近的高维图像恢复................................................................... 156
6.4.1 基于低秩张量逼近的拉普拉斯尺度混合(LSM)模型..................................... 156
6.4.2 基于低秩张量逼近的高维图像去噪............................................................. 160
6.4.3 仿真实验................................................................................................... 162
本章小结................................................................................................................. 166
本章参考文献.......................................................................................................... 166
第七章 基于稀疏理论的高分辨率雷达成像................................................................ 168
第八章 基于稀疏表示重构的多视目标识别................................................................ 204
第九章 基于稀疏性提升的光流估计........................................................................... 214
本章参考文献.......................................................................................................... 230
展开全部
本类五星书
本类畅销
-
AI绘画+AI摄影+AI短视频从入门到精通
¥45.5¥79.8 -
企业AI之旅
¥43.5¥79.0 -
乡村振兴新技术:新时代农村短视频编辑技术基础入门
¥12.8¥32.0 -
机器学习
¥59.4¥108.0 -
基于知识蒸馏的图像去雾技术
¥61.6¥88.0 -
粒子群算法在优化选取问题中的应用研究
¥40.8¥68.0 -
Web前端开发基础
¥36.5¥57.0 -
智能算法优化及其应用
¥49.0¥68.0 -
Photoshop图像处理
¥25.5¥49.0 -
R语言医学数据分析实践
¥72.3¥99.0 -
大模型推荐系统:算法原理、代码实战与案例分析
¥66.8¥89.0 -
剪映 从入门到精通
¥25.7¥59.8 -
游戏造梦师----游戏场景开发与设计
¥68.6¥98.0 -
SAR图像处理与检测
¥35.4¥49.8 -
生成式人工智能(AIGC)应用
¥71.1¥90.0 -
人工智能
¥29.4¥42.0 -
中文版PHOTOSHOP 2024+AI修图入门教程
¥59.3¥79.0 -
WPS办公软件应用
¥25.2¥36.0 -
格拉斯曼流行学习及其在图像集分类中的应用
¥13.7¥28.0 -
轻松上手AIGC:如何更好地向CHATGPT提问
¥40.3¥62.0