框架及在图像处理中应用-基础数学专业论文.docxVIP

万方数据 万方数据 学位论文原创性声明 本论文是我个人在导师指导下进行的工作研究及取得的研究成果。论文 中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或 撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在论文中以 明确方式标明。本人完全意识到本声明的法律责任由本人承担。 作者签名： 日期： 年 月 日 学位论文使用授权声明 本人授权汕头大学保存本学位论文的电子和纸质文档，允许论文被查阅 和借阅；学校可将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或其它复制手段保存和汇编论文；学校可以向国家有关 部门或机构送交论文并授权其保存、借阅或上网公布本学位论文的全部或部 分内容。对于保密的论文，按照保密的有关规定和程序处理。 本论文属于：保密（ ），在 年解密后适用本授权声明。 不保密（ ）。 （请在以上括号内打“√”） 作者签名： 导师签名： 日期： 年 月 日 日期： 年 月 汕头大 汕头大学理学院 2010 届博士学位论文 万方数据 万方数据 摘 要 框架理论是在小波分析理论的基础上迅速发展起来的一个新领域。框架理论的发展丰 富了泛函分析和算子理论的研究内容与应用范围，也推进了非线性逼近理论的发展。目前， 框架理论在纯数学方向，计算机科学、图像处理、编码理论等众多领域也获得广泛得应用。 本论文主要讨论了框架理论和在图像处理中的应用两方面的内容，其研究成果如下： 1、本文以算子及可尺度性为工具研究 Bessel 序列到框架及 Riesz 基的扩充原则。给 出了将完备 Bessel 序列映射成到框架及 Riesz 基的算子的若干刻画。我们引进了 F-可尺度 化及 P-可尺度化 Bessel 序列的概念。在文中讨论了 Bessel 序列的 F-可尺度性和 P-可尺度 性，并给出了 F-可尺度化或 P-可尺度化 Bessel 序列的尺度因子的刻画。最后，建立了一 个 F-可尺度化 Bessel 序列的扰动结果。 2、本文提出了基于压缩感知、自适应 Karhunen-Loève 变换和 3D 小波变换稀疏重建 相结合的高光谱图像压缩策略。压缩感知理论要求信号具有稀疏表示，而 3D 小波变换是 典型的高光谱图像稀疏变换。在高光谱成像中，典型的压缩感知方法是对每个谱段的 2D 空间信息编码或同时对第三维谱信息编码。然而，对空间信息编码要比对谱信息编码容易 的多。因此，利用谱信息提高 2D 压缩编码数据的压缩率是至关重要的。本文提出了利用 自适应 KL 变换编码谱信息的方法并通过严格的数学证明阐明对空间信息的 2D 随机编码 保留了谱间相关性。这个性质确定了压缩的 2D 压缩感知数据进行 KL 变换的有效性。实 验结果显示所提算法在比特率 0~1 时重建的光谱曲线和空间图像均优于传统压缩算法。 最后，作者又提出了一种基于谱结构先验的算法修复数据中的受损谱段。 3、本文提出了基于紧框架 surfacelet 变换和压缩感知理论的欠采高光谱图像重建算 法。压缩感知理论中更加稀疏的表示能够产生更低的重建误差。本文介绍了紧框架 Surfacelet 变换，一种针对 3D 数据的多方向多分辨率变换，用来对高光谱数据进行稀疏 表示。仿真分为四个方面。首先，比较了压缩感知编码矩阵进行和不进行施密特正交化的 效果。第二，仿真显示紧框架 ST 变换能够比 WT 变换得到更好的重建信号。第三，提高 每个谱段编码矩阵的随机性能够提高重建质量。第四，设计基于分块的压缩感知编码矩阵 用来处理大数据。实验显示运用所提方法重建的谱线和空间图像均优于基于 3D 小波的方 法。 I 关键词：框架，Bessel 序列，紧框架，压缩感知，稀疏重建，Karhunen-Loève 变换， Surfacelet 变换 II PAGE VI PAGE VI 万方数据 Abstract Frame theory is a new research field which is developing rapidly with a foundation on wavelet analysis. The development of frame theory not only enriches the theoretic research and applications of functional analysis and operator theory, but also improves the development of the theory of nonlinear approximation. Now, frame theory has broad applications in pure mathematic