- 博客(855)
- 资源 (80)
- 收藏
- 关注
原创 OMP(Orthogonal Matching Pursuit,正交匹配追踪)算法
这里,整本书代表了一个完整的信号(或数据集),零散的页面就是你已知的部分数据。这就是所谓的“正交”过程,确保新增加的内容和之前的内容不会有重叠,每一步都在尽可能增加新的信息。这就好比是说,既然这部分故事已经找到了对应的内容,那么相关的页面就不再是未解决的谜题了。:首先,你需要设定一个“待解决的故事列表”,这里面一开始是空的,因为你还没开始恢复故事。同时,你有一个“已知的页面列表”,即你已经拥有的零散信息。:重复上述过程,直到你觉得已经足够接近完整的故事,或者是已知的页面已经无法提供更多的信息。
2024-03-13 10:52:09 213
原创 哈达玛矩阵与克罗内克积
哈达玛矩阵与克罗内克积在计算机视觉中发挥着重要作用,例如哈希感知等场景下都可能用到这两个知识点。例如:论文:Visually meaningful image encryption scheme based on new-designed chaotic map and random scrambling diffusion strategy中有一句:这句话涉及到两个数学概念:哈达玛矩阵(Hadamard matrix)和克罗内克积(Kronecker product)。
2024-03-12 08:47:36 198
原创 【期刊】ACM Transactions on Privacy and Security
根据官网介绍,本期刊不在金OA行列,可以自主选择出版模式。
2024-03-10 18:02:50 56
原创 20个Python中列表(list)最常用的方法和函数。
在 Python 中,对于列表有许多内置的方法和函数可以使用。列表方法是绑定到列表对象上的,而函数则是独立的,可以用于列表和其他可迭代对象。
2024-03-09 21:42:21 105
原创 20个Python函数程序实例
前面介绍的函数太简单了:以下是 20 个不同的 Python 函数实例下面深入一点点:以下是20个稍微深入一点的,使用Python语言定义并调用函数的示例程序:带参数的函数返回值的函数默认参数可变参数关键字参数使用lambda创建匿名函数递归函数函数作为参数传递返回函数在函数中修改列表使用assert断言函数递归调用匿名函数与map函数结合使用filter过滤列表使用reduce进行累积计
2024-03-07 21:55:03 713
原创 【源代码】20个Python循环程序
以上示例涵盖了不同类型的循环结构以及它们在实际编程中的应用,可以帮助我们更好地理解Python中的循环概念。
2024-03-06 06:41:08 366
原创 40个Python字符串实例
创建字符串:可以使用单引号、双引号或三个引号(用于多行字符串)创建字符串。如下:World!'''字符串拼接:可以使用加号(+)运算符连接两个或多个字符串。例如:print(str3) # 输出:Hello World!字符串索引:Python 中的索引是从 0 开始的,可以通过下标操作符([])访问字符串中的单个字符。例如:print(str[0]) # 输出:Hprint(str[6]) # 输出:W字符串切片:可以使用切片操作符([:])提取字符串的一部分。
2024-03-04 21:34:21 1049
原创 Python判断结构20个实例
Python中的选择判断结构是一种编程中常用的控制结构,它用于根据条件的真假决定程序的执行路径。选择判断结构有多种类型,包括if语句、if-else语句、if-elif-else语句以及嵌套的选择结构。首先,我们来介绍最常见的if语句。if语句用于判断某个条件是否为真,如果条件为真,则执行if语句块中的代码,否则跳过整个if语句。关键字if后面跟的是一个条件表达式,条件表达式的结果可以是True或False。
2024-03-04 21:15:50 804
原创 稀疏表示分类(Sparse Representation for Classification,SRC)
稀疏表示分类(Sparse Representation for Classification,简称SRC)是一项在模式识别和信号处理中应用广泛的技术。它基于这样一个概念:一个信号(比如图像、语音等)可以用一个较大的字典中的一些基向量稀疏地表示。想象一下,有一个巨大的图书馆(字典),其中每一本书(字典中的基向量)代表了一个特定的模式或特征。如果我们想描述或表达某种特定的信息(信号),在理想的情况下,我们只需要从这个图书馆中借几本相关的书就能够准确地表达出所需的信息。
2024-02-26 21:41:03 1180
原创 LASSO算法
LASSO (Least Absolute Shrinkage and Selection Operator) 是一种回归分析的方法,它能够同时进行变量选择和正则化,以增强预测准确性和模型的解释性。LASSO通过在损失函数中加入一个L1惩罚项来实现这一点。该惩罚项对系数的绝对值进行约束。
2024-02-26 21:23:46 1561
原创 图像的压缩感知的MATLAB实现(第3种方案)
分解低通和高通滤波器% N=256;% 矩阵维数(大小为2的整数幂次)% 滤波器长度% 最大层数% 最小层数ww=1;% 预处理矩阵% 矩阵构造nn=2^jj;% 构造向量% 向量圆周移位end% 构造正交矩阵w1=[p1;p2];ww=ww*w;clear p1;clear p2;end# 相关博文。
2024-02-25 10:23:09 444
原创 小波变换模拟
小波变换是一种信号处理技术,通过在时间-频率域中使用基于小波的函数进行信号分析。小波变换在处理非平稳信号和图像时特别有用,可以将信号分解为不同频率的成分。它在数据压缩、去噪、特征提取等领域有广泛应用。MATLAB中提供了用于二维离散小波变换的函数dwt2,可以将图像进行小波分解。该函数执行的是多级离散小波变换,将图像分解为多个尺度的近似系数和细节系数。具体来说,dwt2其中,Xwavelet'haar''db1'CS可以通过调用dwt2函数来执行二维离散小波变换,得到图像的小波分解系数和结构信息。
2024-02-25 10:16:49 883
原创 最小二乘法
最小二乘法(Least Squares Method)是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配。具体来说,它可以用于线性回归分析,即找到一条最佳拟合直线(或更一般的曲线或面),使得实际观察数据点到这条直线(或曲线/面)的垂直距离(也就是误差)的平方和达到最小。在数学表示上,如果有一组观测数据集((x_i, y_i)),其中(i = 1, 2, …
2024-02-25 08:51:18 596
原创 探索无限维度的奥秘:Hilbert空间
Hilbert空间得名于德国数学家David Hilbert,它是一个完备的内积空间。这句话含有三个关键词:完备、内积和空间。空间:这里的空间不是我们日常生活的物理空间,而是一个数学概念,指的是一组元素的集合,这些元素可以以数学上的方式互动——可以相加,也可以乘以数值(标量)。内积:内积是一个函数,它能够接受空间中的两个元素并返回一个数值,以表示这两个元素之间的某种“相似性”,例如在二维或三维空间中,内积就可以表示为点乘。完备。
2024-02-24 18:08:08 677
原创 贪婪算法入门指南
贪婪算法(Greedy Algorithm)是一种在计算机科学和数学中使用的算法设计策略,其核心思想是通过一系列局部最优选择来寻求全局最优的解决方案。but,这听起来很完美,但实际上,贪婪算法并不总是能够得到全局最优解,尤其是在那些需要考虑多阶段结果的复杂问题中。
2024-02-24 17:53:54 864
原创 用买糖果的方式来理解正交匹配追踪(OMP)算法
在信号处理领域,压缩感知(Compressed Sensing)是一种能够从远少于传统奈奎斯特采样定理所要求的样本数目中重建稀疏信号的技术。压缩感知的理论基础在于一个前提假设,即许多自然信号都含有稀疏的表示,换句话说,这些信号可以用很少的非零系数表达。在这个框架下,贪婪算法,如匹配追踪(Matching Pursuit, MP)和正交匹配追踪(Orthogonal Matching Pursuit, OMP),提供了有效的求解方法。
2024-02-24 08:31:40 498
原创 深入浅出:探究过完备字典矩阵
首先,我们先来理解一下字典矩阵的概念。在数学上,字典矩阵基本上就是一组向量(列),它们用于表示或者重建信号或数据。如果这些列向量线性无关,我们可以将它们视为一组基,正如坐标系中的x轴和y轴一样。不过,一般的基只能刚好填满空间,每个向量只能使用一次。但有时候,我们需要更多的向量来更加灵活地表示数据,就像适时拥有多种工具以应对不同的情况一样。这时候,过完备字典矩阵就登场了。所谓“过完备”指的是我们有更多的向量来表示空间,超出了构成空间的必需数量。
2024-02-24 08:14:38 889
原创 MATLAB中的稀疏矩阵和密集矩阵
在MATLAB中,矩阵可以表示为密集或稀疏格式。通常,矩阵默认以密集格式存储,这意味着每个元素都明确地存储在内存中,无论它的值是多少。然而,当矩阵含有大量的零元素时,这种存储方式就会变得非常低效。为了更有效地存储和操作这种矩阵,可以使用稀疏矩阵表示,其中只记录非零元素和它们的索引位置。
2024-02-23 21:49:17 1181
原创 世界上最简单的无解问题
1990年的Cleve’s Corner专栏文章《世界上最简单的无解问题》中描述了压缩感知遇到的问题的一个简化版本。例如,两个平均值为3的数字,这些数字是什么?在我们抱怨没有足够的信息后,可能会回答2和4。如果我们这样做了,那意味着我们无意识地引入了一种规范化的方式,要求结果是两个不同的整数。
2024-02-22 18:05:19 871
原创 2-范数概念及Python计算演示
2-范数(Euclidean norm),也常称为“欧几里得范数”,是在向量空间中衡量向量大小的一种方法。在数学上,对于一个实数或复数向量,2-范数定义为其各元素的平方和的平方根。对于一个n维向量( \vec{x} = [x_1, x_2, …, x_n] ),其2-范数可以表示为:2-范数提供了一个度量,即从原点到向量表示点的直线距离,这也是在欧几里得空间中最直观的长度概念。
2024-02-22 11:40:25 1473
原创 压缩感知常用的重建算法
在压缩感知(Compressed Sensing, CS)框架中,重建算法是指将从原始信号中以低于奈奎斯特率采集得到的压缩测量值恢复成完整信号的数学和计算过程。由于信号在采集过程中被压缩,因此重建算法的目标是找到最符合测量值的稀疏信号表示。
2024-02-21 22:08:59 1142
原创 压缩感知常用的测量矩阵
在压缩感知(Compressed Sensing,CS)理论中,测量矩阵(也称为采样矩阵)是实现信号压缩采样的关键工具。它是一个通常为非方阵的矩阵,用于将信号从高维空间映射到低维空间,生成观测向量。如果信号在某个基下是稀疏的,那么通过与测量矩阵相乘,可以得到它的压缩表示。
2024-02-21 22:04:38 1646
原创 压缩感知中常用的稀疏基
在压缩感知中,稀疏基是指可以将信号表示为少数几个非零系数的基。信号在这组基下的表示称为稀疏表示。理想情况下,信号在稀疏基下的大部分系数都应该为零,只有少数几个系数是非零的。稀疏基的选择对信号的稀疏表示和压缩感知的效果有着重要影响。稀疏基的作用是能够有效地表示信号,使得信号在该基下的表示尽可能地“稀疏”,即大多数系数为零或接近零,只有少数几个系数是显著的。这种稀疏性质使得信号可以通过较少的信息(系数)进行恢复,从而达到压缩的目的。离散余弦变换(DCT)基:小波变换基:离散傅里叶变换(DFT)基:自定义字典:稀
2024-02-21 21:57:37 1058
原创 压缩感知的图像仿真(MATLAB源代码)
压缩感知是一种用于高效获取和表示信号的技术,它可以显著减少数据的采样和传输量,同时保持对信号的高质量恢复能力。在压缩感知中,信号被表示为其在一个稀疏基中的稀疏线性组合。通过仅使用少量的随机投影测量,就能够捕捉信号的大部分信息,并且可以利用优化方法恢复原始信号。MATLAB是一种功能强大的数值计算和科学编程工具,它提供了丰富的工具箱和函数来支持压缩感知的仿真和实现。其中一个常用的工具是l1_image软件包,它提供了一种基于l1范数最小化的方法,用于压缩感知图像恢复。
2024-02-21 17:31:12 1368
原创 压缩感知(Compressed Sensing)的MATLAB仿真实现
在前一篇文章:中,我们介绍了针对稀疏信号进行压缩感知的MATLAB仿真。本篇我们介绍一下针对的是原始的非稀疏信号,看看如何进行处理。本文中,我们直接进行了采样处理。
2024-02-21 13:03:22 1283
原创 正交匹配追踪(Orthogonal Matching Pursuit, OMP)的MATLAB实现
压缩感知(Compressed Sensing, CS)是一种利用稀疏信号的先验知识,用远少于奈奎斯特采样定理要求的样本数目恢复整个信号的技术。正交匹配追踪(Orthogonal Matching Pursuit, OMP)是一种常见的贪婪算法(Greedy algorithm),用于解决压缩感知中的信号重构问题。OMP算法试图找到一组稀疏基,这些基与测量值之间有最大的相关性,并且用于迭代地重构原始信号。
2024-02-21 10:44:15 1149
原创 正交匹配追踪算法(Orthogonal Matching Pursuit)实现过程及Python模拟
OMP算法的目标是解决下面的优化问题:在已知观测向量y和测量矩阵A的情况下,找到一个稀疏的系数向量x,使得Ax尽可能接近于y。其中||x||_0是x向量的0-范数(即非零元素的数量),而是Ax和y之间的2-范数(即欧几里得距离)。ε是一个容差值,代表了在重构y时所能接受的最大误差。OMP算法的优点是简单易用、实现快捷,并且相对容易理解。然而由于它是一种贪婪算法,因此有时可能不会找到全局最优解。
2024-02-20 21:42:49 1616 2
原创 计算机视觉学习指南(划分为20个大类)
计算机视觉的知识领域广泛而庞杂,涵盖了众多重要的方向和技术。为了更好地组织这些知识,我们需要遵循无交叉无重复(Mutually Exclusive Collectively Exhaustive,MECE)的原则,并采用循序渐进的方式进行分类和划分。按照无交叉无重复的原则,我们将计算机视觉划分为20个重要的方向,每个方向都具有明确的定义和特定的应用领域。通过这种划分方式,可以确保每个方向都在整个计算机视觉领域中是独立且不重叠的。
2024-02-20 13:06:13 1286
原创 欠定方程组及其求解
欠定方程组是指方程的数量少于未知数的数量的方程组。在这种情况下,通常有无限多个解,因为给定的方程不足以唯一确定所有未知数的值。在某些情况下,我们可以利用额外的信息或假设,如稀疏性或其他约束,来找到一个合理的解。
2024-02-20 11:49:34 1192
原创 通俗易懂地理解稀疏性
一个信号如果在某个域具有很多“零”值,并且只有少数非零值,我们可以说它在这个域是稀疏的。这种稀疏性是极富价值的,因为它让信息处理、存储和传输更加高效。
2024-02-20 09:12:20 867
原创 计算机视觉领域内100个核心问题的问与答
创建一个完整的计算机视觉入门问题及解答集是一个庞大的任务,可以专门写一本书了。为了帮助大家快速入门,了解计算机视觉领域的核心问题,快速入门。在此,我提供一个简略的大纲,其中涵盖了10个大类,并为每个大类列出10个代表性问题。当然,每个问题都需要一个完整的解答。但是限于篇幅,这里我只能简要地呈现每个问题的主题和核心概念。
2024-02-20 07:18:26 1160
数字模板(每个数字十种不同的字体)
2021-08-13
randomForest
2021-08-08
Minutia Cylinder-Code: A New Representation and Matching Technique for Fingerpri
2021-08-03
A Large-Scale Study of Fingerprint Matching Systems for Sensor Interoperability
2021-07-30
Presentazione MCC(Minutia Cylinder-Code: A New Representation and Matching Tech)
2021-07-30
Minutia Cylinder-Code: A New Representation and Matching Technique for Fingerpri
2021-07-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人