奇异值分解算法分析及利用SVD进行图像压缩 报告提纲: 一、 奇异值分解 二、 SVD 算法 三、 实验过程 四、 实验结果分析 五、 SVD 法图像压缩及结果分析 奇异值分解 定义设m nAR,TA A的特征值的非负平方根称作A 的奇异值;A 的奇异值的全体记作 A
当 A 为复矩阵m nC 时,只需将TA A改为HA A,定义仍然成立
定理(奇异值分解定理)设m nAR,则必存在正交矩阵 1 ,
,m mmUuuR和1 ,
,n nnVvvR 使得 000rTrn rrU AVmr 其中11(,
0rrrdiag [2]
当 A 为复矩阵m nC 时,只需将定理中,U V 改为酉矩阵,其它不变,定理仍然成立
奇异值分解通常简称为 SVD,i 是 A 的奇异值,向量iu 和iv 分别是第i 个左奇异向量和第i 个右奇异向量
SVD 算法 1
QR 迭代算法 (1)输入 ()m nARmn及允许误差
(2)二对角化:计算Householder 变换1,,,nPP12,,nHH使得 112()(),0TnnBnPPA HHmn 其中1200nnB ; 12:,nUPPP122:
nVH HH 具体算法,书面作业中题目具体解释
(3)收敛性检验: (i)将所有满足 1jjj 的 j 置零; (ii)如果0,2,,jjn ,则输出有关信息结束;否则,1 : 0 ,确定正整数 pq,使得 10pqn ,0j ,pjq; (iii)如果存在i 满足1piq 使得