矩阵在图像处理中的若干应用11要点讲解.docVIP

矩阵在图像处理中的若干应用 1绪论 目前，随着科学技术的高速发展，现实生活中有大量的信息用数字进行存储、处理和传送。而传输带宽、速度和存储器容量等往往有限制，JPEG 等许多标准都已经得到了广泛的应用。奇异值分解(Singular Value Decomposition ，SVD) 2矩阵的奇异值分解原理 2.1矩阵的奇异值 设，，是的特征值，是的特征值，它们都是实数。且设 则特征值与之间的关系为：，。 设， 的正特征值，的正特征值，称， 是的正奇异值，简称奇异值。若是正规矩阵，则的奇异值是的非零特征向量的模长。 2.2矩阵的奇异值分解（SVD） 若，是的个正奇异值，则存在阶酉矩阵和阶酉矩阵，满足： 其中，，为奇异对角阵。满足是对角阵，满足是对角阵。的第列为的对应于奇异值对应的左奇异向量，的第列为的对应于奇异值对应的右奇异向量。它们的每一列均为单位向量，且各列之间相互正交。 若，是的个正奇异值，则总有次酉矩阵，满足：，其中。 奇异值分解是一种基于特征向量的矩阵变换方法。奇异值分解是现代数值的最基本和最重要的工具之一。3矩阵的奇异值分解在图像压缩中的应用 3.1奇异值分解压缩原理分析 用奇异值分解来压缩图像的基本思想是对图像矩阵进行奇异值分解，选取部分的奇异值和对应的左、右奇异向量来重构图像矩阵。根据奇异值分解的图像性质1和4可以知道，奇异值分解可以代表图像的能量信息，并且可以降低图