奇异值分解压缩图像 - read.docVIP

下载本文档

3
0
约2.5千字
约 5页
2017-08-16 发布于天津
举报
版权申诉

奇异值分解压缩图像 - read.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

奇异值分解压缩图像利用奇异值分解压缩图像具体做法将一幅的灰度图像切分成的小图像共有个每个图像记为首先求得这的均值不妨记为对每幅图像减去均值得到新的图像不妨仍旧记为定义两幅图像的内积为它们相应像素乘积的和这时我们可以得到一个维向量的相关矩阵它的元素定义为这样可以求得的特征值和特征向量图像注意每个特征向量都是维的选取前面几个较大的特征值对应的特征向量对每幅小图像计算它们和特征向量的内积这就是编码对于恢复图像仅需要利用这些内积和相应特征图像乘积然后求和再加上均值图像就可得到原图像的一个近似注意在叙述中

奇异值分解压缩图像利用奇异值分解压缩图像。具体做法：将一幅N(N的灰度图像切分成K(K的小图像，共有M(M个, M=(N/K). 每个图像记为IMG(s),s=1,2,…,M2。首先求得这M2的均值，不妨记为，对每幅图像减去均值得到新的图像，不妨仍旧记为IMG(k)。定义两幅图像的内积为它们相应像素乘积的和。这时我们可以得到一个K2维向量的相关矩阵R。它的元素定义为R(i, j; k, l )=，0(i,j,k,l(K(1。这样可以求得R的特征值和特征向量图像。注意每个特征向量都是K2维的。选取前面几个较大的特征值对应的特征向量，对每幅小图像计算它们和特征向量的内积，这就是编码。对于恢复