首页> 中文学位 >基于矩阵奇异值分解的图像压缩方法研究
【6h】

基于矩阵奇异值分解的图像压缩方法研究

代理获取

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1选题意义

1.2图像压缩及SVD的研究现状

1.2.1图像压缩现状

1.2.2 SVD图像压缩编码

1.3研究内容及预期目标

1.4研究思路和研究方法

第二章矩阵奇异值分解理论

2.1奇异值分解及其解释

2.1.1奇异值分解

2.1.2关于奇异值分解的几点解释和标记

2.2矩阵奇异值的性质及应用

2.2.1奇异值服从的不等式关系

2.2.2奇异值服从的不等式关系

2.2.3矩阵奇异值的特征及应用

第三章基于随机抽样的SVD求解方法

3.1随机抽样理论及其解释

3.1.1简单随机抽样

3.1.2分层随机抽样

3.1.3两阶段随机抽样

3.2随机抽样原理应用于矩阵奇异值分解

3.2.1随机抽样算法

3.2.2抽样矩阵的特性

3.2.3计算示例

第四章SVD数字图像压缩方法

4.1图像压缩的基本概念

4.2图像压缩算法

4.3图像编码标准

4.4 SVD图像压缩方法

第五章SVD图像压缩方法的应用

5.1 test图像压缩与重构

5.2结果分析

第六章结论与展望

致谢

参考文献

展开▼

摘要

矩阵的奇异值理论提出至今已经有很长的一段时间。奇异值分解理论由BelWami和Jordan于十九世纪七十年代提出至今,由于其内在的一些良好特性,奇异值分解正成为应用数学和数学模型领域的一个极有价值的工具。奇异值分解在很多领域得到了应用,它在数据挖掘及搜索引擎中被用来对数据库文件进行规类,近年来,它在图像压缩方面的应用也越来越受到相关学者的重视。随着近来图像数字矩阵尺寸的不断变大,传统的奇异值分解方法已经很难派上用场,这也成为了制约SVD应用于图像压缩领域的一个最大的问题。 本文针对尺寸较大的矩阵,采用一种新的方法计算矩阵奇异值。该方法随机抽取矩阵的某些行构造新尺寸较小的矩阵,然后计算这些小矩阵的奇异值,并且尽可能多的重复这个抽样过程(一般来说达到数百次),并利用这些小矩阵的奇异值来逼近原始矩阵的奇异值。这是一种随机算法,也就是说,对于那些使用传统方法很难计算的大矩阵,可以考虑采用随机抽样的办法来解决这个问题。通过实例比较可以发现,在原始矩阵满足某些特性的情况下,算法能得到良好的结果。需要注意的是,由于不具代表性样本的存在,输出错误结果的可能性总是存在的,尽管这总可能性很小,但它永远不可能为零。

著录项

  • 作者

    廖文彬;

  • 作者单位

    成都理工大学;

  • 授予单位 成都理工大学;
  • 学科 应用数学
  • 授予学位 硕士
  • 导师姓名 王玉兰;
  • 年度 2007
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类 矩阵论;
  • 关键词

    矩阵; 图像压缩; 奇异值;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号