摘要：为了避免现有的高光谱图像去噪优化模型仅考虑有限的高光谱内在结构特点、并未实现图像特征的精确表征的问题,采用了一种基于空谱深度图像先验与平滑的高光谱图像去噪方法,将紧框架变换与具有高表达与强学习能力的深度学习模型进行结合,构建基于深度学习的噪声去除模型。首先在低秩矩阵分解的基础上,利用特定的深度图像先验学习潜在的空谱特征;然后分别构建端元与丰度矩阵的紧框架稀疏正则探究空谱局部平滑,并解决深度图像先验的半拟合问题;最后设计高效迭代算法实现模型求解。结果表明,基于空谱深度图像先验的方法在各种复杂的噪声干扰下均表现出较好的视觉恢复性能,峰值信噪比至少有1 dB以上的提升,得到了高质量的恢复图像。该方法为高光谱图像去噪提供了参考。

摘要：根据经典领域中的有限维紧框架研究量子领域中紧框架构造方法。由于紧框架与秩-广义量子测量有一一对应关系,在量子领域中设计了两种基于量子广义测量的紧框架构造方法。研究表明,这两种最优量子紧框架能分别解决两种基本的量子态区分策略:最小差错区分和最优无错区分。最小差错区分给定的一组向量,应用最小二乘准则,用广义量子测量方法构造了基于最小二乘测量(LSM)的最优量子紧框架。这种最优量子紧框架分为两种情况:一种是给定框架界的最小二乘框架(CLSF),另一种是选择最优框架界的最小二乘框架(ULSF),最优框架界能最小化最小二乘误差。用量子广义测量方法构造了基于最优无错区分的量子紧框架。最后举例对比了以上最优紧框架构造方法,ULSF为最优有限维紧框架。

摘要：研究了利用紧框架变换和主成分分析获取人脸特征,设计分类器进行分类识别,通过边缘信息和弱分类器的不同权值对分类识别进行优化。基于人脸数据库的实验结果表明,我们的方法是一种快速、有效和稳定的人脸识别方法。

摘要：针对乳腺病理图像分类,提出一种非相干字典学习及其稀疏表示算法.首先针对不同类别的图像,基于在线字典学习算法分别学习各类特定的子字典;其次利用紧框架建立一种非相干字典学习模型,通过交替投影优化字典的相干性、秩与紧框架性,从而有效地约束字典的格拉姆矩阵与参考格拉姆矩阵的距离,获得判别性更强的非相干字典;最后采用子空间旋转方法优化非相干字典的稀疏表示性能.利用乳腺癌数据集BreaKHis进行实验的结果证明,该算法所学习的非相干字典能平衡字典的判别性与稀疏表示性能,在良性肿瘤与恶性肿瘤图像分类上获得了86.0%的分类精度;在良性肿瘤图像中的腺病与纤维腺瘤的分类上获得92.5%的分类精度.

摘要：利用极小能量框架的一个刻画,用参数化方法,设计了奇数长的具有部分插值性的二带小波严格紧框架。所得到的滤波器都具有对称性和反对称性,其中的一个低通滤波器和一个高通滤波器是插值的,且具有比较高除的消失矩。

摘要：紧框架是一类具有良好特性的框架,它在图像及视频编码传输等实际应用中经常被采用。首先引入框架和量子测量的基本知识,再利用量子测量与框架之间存在的紧密联系,即量子测量系统所依赖的子空间中的规范紧框架正好是该空间中的一阶广义测量,推导出了基于量子测量理论的紧框架的构造方法。通过设计出具体的实例,并将其与传统的框架构造方法进行比较。实验结果表明,在同等条件下,该文提出的方法在抗误差性能及计算复杂度等方面更优。