多维信号处理:快速变换.稀疏表示与低秩分析 内容简介

与现在市面上大部分相关书籍主要讲解多维信号处理的基础理论不同，本书所主要涉及的稀疏表示、低秩分析可以说是近年信号处理学术界*有影响力的两个领域，而快速变换也是跟应用广泛，与信息处理实时性紧密相关的内容，相较于入门级教材，本书的内容更为前沿也更有深度。

多维信号处理:快速变换.稀疏表示与低秩分析 本书特色

多数信号处理论著主要针对理论与方法臻备的一维信号，而对于仍在发展完善中的多维信号处理少有涉及或涉之不深。本书凝聚著者在多媒体信号处理领域十余年的研究成果，以快速变换、稀疏表示、低秩分析为理论主线，内容涉及图像/视频的感采样、表示、编码、滤波、恢复、三维重建等应用。本书系统介绍了多维离散余弦变换与离散小波变换的快速分解方法、过完备双树小波变换包优选方法及其图像/视频编码与降噪应用、图像信号的自回归压缩感知方法、重加权矩阵低秩恢复模型以及对数和矩阵低秩填充模型、基于低秩分析的光照度立体重建与三维运动场估计等。本书可以作为从事信号处理等领域科技工作者和工程技术人员的参考资料，同时也可作为高等院校相关专业高年级本科生和研究生的参考书。

多维信号处理:快速变换.稀疏表示与低秩分析 目录

第1章多维信号处理的回顾与展望1.1引言1.2多维信号快速变换1.2.1快速md dct1.2.2快速md dwt1.3多维信号稀疏表示1.4多维信号低秩分析1.5本章小结第2章多维离散余弦变换矩阵快速分解2.1引言2.2dct变换矩阵的分解2.3md dct与md比例dct2.4md比例dct快速算法2.4.1md ⅰ型比例dct2.4.2md ⅱ型比例dct2.5计算复杂度比较2.6本章小结第3章多维离散小波变换vlsi架构3.1引言3.2多维dwt变换的架构3.3比较与评价3.3.12d dwt3.3.23d dwt3.4本章小结第4章多维信号稀疏表示理论与应用4.1引言4.2压缩感知4.3压缩感知的应用4.4本章小结第5章基于双树离散小波变换的图像/视频编码5.1引言5.2双树离散小波变换5.2.1解析复小波变换5.2.2双树离散小波变换（ddwt）5.3基于ddwt的图像编码5.3.1基于ddwt的图像稀疏表示5.3.2ddwt系数特性5.3.3基于ddwt的图像编码5.4自适应双树离散小波包5.4.1自适应离散小波包5.4.2自适应双树离散小波包5.4.3addwp的图像/视频表示性能5.5基于addwp的图像/视频编码5.5.1基于率失真优化的稀疏表示5.5.2基于addwp稀疏表示的rdo编码5.5.3编码性能比较5.6本章小结第6章多维信号的低秩分析理论与应用6.1引言6.2矩阵秩*小化6.3矩阵低秩稀疏分解6.4典型应用举例6.4.1矩阵秩*小化的应用6.4.2矩阵低秩稀疏分解的应用6.5本章小结第7章稀疏结构下的视觉信息感知7.1引言7.2对数和启发式感知算法7.2.1低秩与稀疏的数学统一7.2.2非凸p范数的数学极限7.2.3非凸启发式恢复7.2.4logsum极限下的低秩结构计算7.2.5理论证明7.3logsum逼近在数据分析中的应用7.3.1lhr用于低秩矩阵恢复7.3.2lhr用于低秩表示7.4logsum逼近在立体重建中的应用7.4.1问题与背景7.4.2融合矩阵的建立及特性分析7.4.3点云融合7.4.4三维重建7.5本章小结7.6本章附录7.6.1缩写词7.6.2计算lhr的上边界7.6.3lhr收敛性的理论证明第8章保拓扑的动态场景三维重建方法8.1引言8.2国内外研究现状8.2.1形状恢复8.2.2运动捕捉8.3基于三维运动估计的动态场景三维重建方法8.3.1初始运动估计8.3.2矩阵填充优化8.3.3场景流的空时选择8.4实验结果与分析8.4.1计算机仿真实验8.4.2实际系统实验8.4.3运行时间8.5本章小结第9章多维信号的低秩分解与自适应重构9.1引言9.2低秩累积矩阵构造与多维信号的低秩分解9.3低秩分解在压缩感知图像重构中的应用9.3.1问题描述9.3.2实验结果与分析9.3.3本节小结9.4低秩分解在图像超分辨率中的应用9.4.1图像超分辨率方法概述9.4.2基于堆积矩阵低秩特性的图像超分辨率重构9.4.3实验结果与分析9.4.4本节小结9.5本章小结参考文献