矩阵的奇异值分解在图像压缩中应用

打开文本图片集

摘要：随着大数据技术的飞速发展，矩阵分解特别是矩阵的奇异值分解（SVD）在数据检索、图像压缩、人脸识别、神经网络等领域有着广泛应用。针对图像压缩问题，首先给出了矩阵奇异值分解的基本理论，指出了矩阵奇异值的存在和唯一性，同时分析了矩阵奇异值分解的一般方法并用Matlab加以实现;然后论述了矩阵奇异值分解用于图像压缩的基本原理，最后用数值实验展示理论方法的有效性。（剩余4241字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。