排序方式: 共有6条查询结果,搜索用时 171 毫秒
1
1.
基于改进K-SVD字典学习方法的地震数据去噪 总被引:2,自引:0,他引:2
为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。 相似文献
2.
结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。 相似文献
3.
压缩感知在医学图像重建中的最新进展 总被引:2,自引:0,他引:2
CS理论是一种新兴的信号获取与处理理论,通过减少信号重建所需的数据(少于奈奎斯特定理所要求的最小数目),来缩短信号采样时间,减少计算量,并在一定程度上保持原有图像的重建质量。由于该理论的这些显著优点,使得其在医学成像领域引起了广泛关注,取得了很大进展。本文介绍了压缩感知理论在医学成像中的发展历程和最新进展,详细介绍一种基于字典学习的新型压缩感知自适应重建算法,最后通过计算机模拟实验对该方法进行了初步验证。 相似文献
4.
5.
6.
为减弱因地形起伏造成的探地雷达数据间的能量差异,保证探地雷达图像解译和识别的准确性,本文提出了一种正则化K-SVD字典学习和Hampel滤波算法相结合的探地雷达数据重建方法。试验采用正则化K-SVD字典学习对探地雷达信号进行能量均衡,利用Hampel滤波算法剔除均衡后的信号异常值,并对均衡后的信号进行二维可视化,从而完成探地雷达图像重建。对比试验表明,本文方法不但可以均衡原始的探地雷达信号,而且其均衡后的信号更加符合探地雷达信号传播规律,可以保证单道数据信号的质量;其重建的图像效果更好,在探地雷达图像重建方面具有较好的实用价值。 相似文献
1