矩阵补全算法与图像恢复的研究

发布时间：2022-08-13 10:07

　　随着科技的快速发展,数据的规模越来越大,而大部分数据都可以被表示为矩阵的形式,换句话说,在实际应用中,矩阵的维数在逐渐的增加。由于数据在储存、传输、压缩或者产生的过程中都难免会受到噪声或者其他因素的影响,所以数据将会面临缺失、损坏以及失真等问题,而这些问题将会严重的影响数据的分析和正确性,为了解决这类问题,矩阵补全技术在数据分析和处理中扮演着非常重要的角色。矩阵补全技术被广泛的运用于图像修复、推荐系统、视频修复、机器学习和计算机视觉等领域。在过去的二十年里,有很多的学者和研究者都在对矩阵补全算法进行了研究和改进,但随着矩阵的规模和尺寸的不断增大,过去传统的矩阵补全算法已经难以满足现代科技的需求了,因为过高的计算成本,导致很多问题的解决方案变得不现实。矩阵补全技术主要分为两个部分:第一部分为矩阵的有用信息和特征提取;第二部分为矩阵的重构。第一部分的设计往往决定着算法的计算复杂度和补全效果。对矩阵的信息进行特征提取,常用的方法有主成分分析（Principal Component Analysis,PCA）和奇异值分解（Singular Value Decomposition,SVD）,但这... 

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图4-1张量补全在不同采样率下的MSE值

不同算法在采样率不同的情况下的补全结果

FRPMC在不同规模的矩阵和不同采样率下的补全结果


本文编号：3676830