小波图像分解与重构 中期答辩,1995年 40万 1996年 80万 1997年 110万 1999年 250万 2000年 350万 2003年 600万 2004年 800万 2005年 1200万 2010年 2300万,稀疏变换,利用压缩感知理论进行信号处理分析的前提是信号必须在某个特定的正交空间上具有稀疏性。信号的稀疏性与所选择的正交空间特性密切相关。通过稀疏变换使得信号的表示只有K个系数是非零的，称为K阶稀疏。小波变换对于图像来说是一种相当有效的稀疏变换，最新的jpeg2000图像压缩技术就是基于小波的。基于小波变换的图像稀疏变换是毕设中期要完成的任务。,小波变换示意图,LL,LH,HL,HH,仿真结果,观测矩阵,我们知道，稀疏变换就是用一个正交矩阵和原信号相乘，B=X,X，B为L*1的矩阵，就是一个L*L的正交基。在压缩感知理论中，我们并非直接测量稀疏信号X 本身，而是通过变换基得到稀疏系数。同时，将这组系数向量投影到另一个与变换基不相干的观测基上，即Z= B=X=PX,此处，Z为M*1的矩阵，为M*L的矩阵，ML。在实验中，选择了一个M*L的高斯随机矩阵作为观测矩阵。其中每一个值都服从 N（0，1/N）的正态分布。高斯随机矩阵几乎与任何稀疏信号都不相关。,谢谢,以上内容为中期答辩要求，占毕设总体的60%。已能通过matlab仿真得到上述结果。,
