壓縮感知及應用

定　價：￥58.00

作　者：	閆敬文，劉蕾，屈小波
出版社：	國防工業(yè)出版社
叢編項：
標　簽：	電子通信工業(yè)技術通信

購買這本書可以去

ISBN：	9787118102918	出版時間：	2015-10-01	包裝：
開本：	16開	頁數：	179	字數：

內容簡介

　　《壓縮感知及應用》主要介紹學習方法論、信號及圖像稀疏表示的基本理論、稀疏表示方法以及稀疏重建的重要方法壓縮感知理論的起源、基礎理論及應用等基礎內容后，提出了基于壓縮感知理論□范數算法的SAR成像、基于冗余字典的SAR圖像壓縮感知重建、基于小波樹的壓縮感知SAR圖像重建、基于小波框架的自適應Karhunen—Loeve高光譜壓縮成像算法、基于緊框架Surface let變換的高光譜圖像三維重建、基于Surface let變換的壓縮欠采高光譜數據重建算法等壓縮感知應用研究，具有較強的學術性和系統性。讀者可以結合作者出版的《數字圖像處理（Matlab版）》第2版和《超小波分析及應用》學習，三《壓縮感知及應用》具有較強的創(chuàng)新性和難度，需要持續(xù)系統地學習和研究才能取得成效?！秹嚎s感知及應用》以精縮的理論知識、實踐教學和工程訓練相結合，可以作為計算機應用、通信工程和電子工程專業(yè)博士研究生和碩士研究生、工程碩士、教師及工程技術人員學習壓縮感知及應用的研究型教材、參考書和實驗教學指導書。

作者簡介

暫缺《壓縮感知及應用》作者簡介

圖書目錄

第1章壓縮感知的學習方法
1.1 壓縮感知及應用學習的對策
1.2 新知識和技術進展學習攻守策略
1.3 工程訓練或研究課題推薦學習方式
第2章信號的稀疏表示
2.1 信號的稀疏表示
2.2 信號稀疏表示方法
2.2.1 閡值法
2.2.2 冗余字典
2.3 稀疏系數的求解
2.3.1 基本原理
2.3.2 彳范數算法
2.4 幾種信號稀疏表示方法
2.4.1 傅里葉變換
2.4.2 小波變換
2.4.3 多尺度幾何分析
2.4.4 冗余字典的稀疏分解
2.5 圖像的小波稀疏表示
2.5.1 傅里葉分析與小波分析
2.5.2 小波變換的分解和重構算法
2.5.3 小波變換在圖像處理中的應用
2.5.4 超小波Bandelet介紹
2.5.5 第二代Bandelet變換
2.6 Grouplet變換
2.6.1 Grouplet理論
2.6.2 正交Gmuplet變換
2.6.3 緊框架Crouplet變換
2.7 Surfacelet變換
2.7.1 Surfacelet變換的結構
2.7.2 Surfacelet變換的性質
2.7.3 Surfacelet變換系數父子關系分析
2.7.4 程序測試結果
參考文獻
第3章壓縮感知理論
3.1 壓縮感知的起源
3.2 壓縮感知的應用
3.3 壓縮感知理論
3.4 壓縮感知算法
3.4.1 零空間特性
3.4.2 約束等距性質
3.5 測量矩陣
3.6 信號重建算法
3.6.1 最小彳范數法
3.6.2 匹配追蹤算法
3.6.3 最小全變分法
3.6.4 迭代閩值法
3.7 測量矩陣研究
3.7.1 常用測量矩陣與信號稀疏度之間的關系研究
3.7.2 常用測量矩陣的性能比較
3.7.3 測量矩陣改進方法
3.8 本章小結
參考文獻
第4章基于壓縮感知理論髫范數算法的$AR成像
4.1 SLO算法
4.1.1 算法原理
4.1.2 算法步驟
4.1.3 參數的選取
4.1.4 SIJD算法的優(yōu)化
4.2 NSI。O算法
4.2.1 雙曲正切函數
4.2.2 修正牛頓方向
4.2.3 算法步驟
4.2.4 NSID算法的優(yōu)化
4.3.Matlab仿真
4.3.1 信號重建質量指標
4.3.2 仿真結果分析
4.4 OSINSID算法在SAR成像中的應用
4.4.1 仿真實驗內容
4.4.2 結果分析
4.4.3 與其他CS重構算法對比
4.5 本章小結
參考文獻
第5章基于冗余字典的SAR圖像壓縮感知重建
5.1 冗余字典
5.1.1 冗余字典的學習
5.1.2 Curvelet變換和Gabor變換基本理論
5.2 基于Curvelet變換和Gabor變換的冗余字典圖像稀疏表示
5.2.1 圖像分塊
5.2.2 基于Gabor變換和Curvelet變換得到冗余字典
5.2.3 稀疏系數的計算
5.2.4 圖像的重建和效果評估
5.3 ：Matlab仿真步驟和實驗結果
5.3.1 圖像稀疏表示步驟
5.3.2 對Lena圖像處理的實驗結果
5.4 基于Curvelet變換冗余字典的SAR圖像稀疏表示
5.4.1 圖像分塊
5.4.2 基于Curvelet變換和Gabor變換獲得的字典進行稀疏重建的比奈
5.4.3 基于Curvelet變換的字典優(yōu)化
5.5 本章小結
參考文獻
第6章基于小波樹的壓縮感知SAR圖像重建
6.1 基于小波樹的正交匹配追蹤重建算法
6.1.1 正交匹配追蹤算法
6.1.2 TOMP算法
6.1.3 實驗結果
6.2 基于分塊的三維小波樹的正交匹配追蹤算法
6.2.1 三維的基于小波樹的正交匹配追蹤算法（3D-TOMP）
6.2.2 基于分塊的三維小波樹的正交匹配追蹤算法（3D-TOMP-BL）
6.2.3 實驗結果及分析
6.3 本章小結
參考文獻
第7章基于小波框架的自適應Karhunen.Love高光譜壓縮成像
7.1 序言
7.2 高光譜遙感的圖像特征及相關性分析
7.2.1 高光譜數據的譜間相關性分析
7.2.2 高光譜數據的空間相關性分析
7.3 壓縮編碼數據的自適應KL模型
7.3.1 空間域壓縮感知采樣
7.3.2 譜間自適應KL變換編碼
7.3.3 解碼
7.4 實驗結果與分析
7.4.1 2DCS編碼數據的特征值
7.4.2 不同空間壓縮率下的算法
7.4.3 與典型壓縮方法的對比
7.5 譜結構先驗對受損譜段的修復
7.5.1 交叉驗證
7.5.2 譜段修復
7.6 本章小結
參考文獻
第8章基于緊框架Surfacelet變換的高光譜圖像三維重建
8.1 序言
8.2 Ⅳ維方向濾波器組及緊框架Surfacelet變換
8.2.1 Ⅳ維方向濾波器組
8.2.2 基于緊框架Surfacelet變換的高光譜圖像稀疏表示
8.3 基于緊框架Surfacelet變換的高光譜圖像欠采重建
8.3.1 不相關性和高斯隨機編碼矩陣的設計
8.3.2 基于緊框架Su以celet變換的稀疏圖像重建
8.3.3 基于分塊的壓縮感知緊框架Surfacelet重建算法
8.4 數值計算方法
8.5 實驗結果和分析
8.5.1 壓縮感知編碼矩陣的施密特正交化
8.5.2 基于2D壓縮感知編碼矩陣的Surfacelet重建和小波重建性能的比較
8.5.3 2D編碼矩陣與3D編碼矩陣
8.5.4 PCSST性能測試
8.6 本章小結
參考文獻