資源描述：
《魯棒加權(quán)核范數(shù)的圖像去噪方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號：學(xué)校代碼：10165密級：學(xué)號：201511000554碩士學(xué)位論文魯棒加權(quán)核范數(shù)的圖像去噪方法ImageDenoisingMethodwithRobustWeightedKernelNorm作者姓名：李玲慧學(xué)科、專業(yè)：應(yīng)用數(shù)學(xué)研究方向：模式識別導(dǎo)師姓名：姜偉副教授2018年03月遼寧師范大學(xué)碩士學(xué)位論文摘要隨著科技與數(shù)據(jù)挖掘技術(shù)的發(fā)展，人類進(jìn)入到全新的大數(shù)據(jù)時代。海量的數(shù)據(jù)帶給我們豐富的信息，同時人們對信息的準(zhǔn)確性與完整性要求越來越高。由于外界不確定與隨機(jī)因素的干擾與污染，信息中常夾雜著大量噪聲，降
2、低了信息的準(zhǔn)確性。因此，對受干擾的信息進(jìn)行去噪處理成為人們越來越關(guān)心的問題。本文首先對圖像去噪處理的研究背景、意義以及研究現(xiàn)狀做了簡要的介紹。其次，系統(tǒng)地研究了本文去噪算法所涉及的定義、定理等理論。全面概述了魯棒主成分分析模型，加權(quán)魯棒主成分分析模型，?范數(shù)魯棒主成分分析模型以及這些模型的求解算法。2,1最后，針對魯棒主成分分析模型存在的問題，本文提出了一種新的模型——魯棒加權(quán)核范數(shù)主成分分析模型。該模型采取?范數(shù)代替?范數(shù)，加權(quán)核范數(shù)代替標(biāo)準(zhǔn)核范數(shù)，2,11構(gòu)建魯棒加權(quán)核范數(shù)主成分分析模型，并利用增廣拉格朗
3、日乘子法對所提出的模型進(jìn)行求解。運用matlab軟件進(jìn)行實驗，結(jié)果表明：本文提出的模型對圖像去噪的效果優(yōu)于魯棒成分分析模型對圖像去噪的效果。關(guān)鍵詞：圖像去噪；加權(quán)核范數(shù)；?范數(shù)；結(jié)構(gòu)化噪聲2,1-I-魯棒加權(quán)核范數(shù)的圖像去噪方法ImageDenoisingMethodwithRobustWeightedKernelNormAbstractWiththedevelopmentoftechnologyanddataminingtechnology,humanbeingshaveenteredaneweraofbi
4、gdata.Hugeamountsofdatabringusrichinformation,andpeopledemandmoreandmoreinformationabouttheaccuracyandintegrityoftheinformation.Becauseofthedisturbanceandpollutionoftheoutsideuncertaintyandrandomfactors,theinformationisoftenmixedwithalargenumberofnoise,whic
5、hreducestheaccuracyofinformation.Therefore,itisbecomingmoreandmoreimportantforpeopletodenoisethedamagedinformation.Inthispaper,theresearchbackground,significanceandresearchstatusofimagedenoisingarebrieflyintroduced.Secondly,thedefinitionsandtheoremsoftheden
6、oisingalgorithmaresystematicallystudied.Wecomprehensivelysummarizetherobustprincipalcomponentanalysis,theweightedrobustprincipalcomponentanalysis,the?normrobust2,1principalcomponentanalysismodel,andgivealgorithmsforsolvingthesemodels.Finally,inordertosolvet
7、heproblemofrobustprincipalcomponentanalysis,anewmodel,robustweightedkernelnormprincipalcomponentanalysismodel,isproposedinthispaper.Thismodeltakesthe?normsubstituteinsteadofthe?norm,andweightedkernelnormreplace2,11standardkernelnorm.Webuildarobustweightednu
8、clearnormprincipalcomponentanalysismodel,anduseaugmentedLagrangemultipliermethodtosolvetheproposedmodel.Experimentsonmatlabsoftwareshowthattheproposedmodelisbetterthantherobustcomponentanalysismodelfor
