圖像稀疏表示理論研究

1、武漢理工大學(xué)畢業(yè)設(shè)計（論文）圖像稀疏表示理論研究圖像稀疏表示理論研究學(xué)院（系）：信息學(xué)院專業(yè)班級：電信1001班學(xué)生姓名：朱玉峰指導(dǎo)教師：楊媛媛講師摘要本文借助數(shù)學(xué)軟件MATLAB首先對不同小波基的圖像稀疏表示能力進行了比較，從中選出最優(yōu)基。然后對基于MOD和KSVD的兩種不同算法的學(xué)習(xí)字典進行了去噪實驗，得出了KSVD字典的稀疏表示能力更優(yōu)的結(jié)論。雖然過完備稀疏字典的性能應(yīng)該要優(yōu)于小波變換，但還是通過對比試驗來說明，這樣顯得更直觀一些

2、。對基于最優(yōu)小波基和基于稀疏字典兩種情況進行了比較，所得結(jié)果對于整個圖像稀疏表示理論的演變發(fā)展起到了論證作用，具有重要的指導(dǎo)意義。論文主要研究了圖像稀疏表示理論的整個發(fā)展歷史以及現(xiàn)在的研究現(xiàn)狀。介紹了基于小波變換和多尺度幾何分析方法的圖像稀疏表示，重點研究了基于過完備字典的圖像稀疏表示理論。圖像的過完備字典稀疏表示可分為稀疏分解和字典學(xué)習(xí)兩過程：稀疏分解是在過完備字典已知的情況下獲得表示系數(shù)的過程；而字典學(xué)習(xí)與稀疏分解相反，則是通過獲得

3、的表示系數(shù)來更新過完備字典。這兩個過程的有效結(jié)合可以讓圖像稀疏分解的結(jié)果更加符合圖像特征，從而提高圖像的稀疏表示質(zhì)量?；诖藘蓚€過程的內(nèi)容，本文分析了基于MP，BP以及OMP算法的稀疏分解和基于MOD和KSVD算法的字典學(xué)習(xí)算法，并對其核心思想和性能差別進行了詳細的介紹和分析，形成了以O(shè)MP算法用于稀疏分解，結(jié)合KSVD字典學(xué)習(xí)算法的圖像稀疏表示，并將此方法與小波變換進行比較。研究結(jié)果表明：基于稀疏字典的圖像稀疏表示性能優(yōu)于基于小波變換