稀疏表示在圖像壓縮和去噪中的應(yīng)用研究.pdf

1、在信號(hào)分析中，人們總希望能將信號(hào)簡(jiǎn)潔地表示出來(lái)，以便揭示其最本質(zhì)的特征。稀疏表示提供了這樣一種途徑，它力求用盡量少的元素來(lái)表示信號(hào)。作為一種新興的表示方法，稀疏表示引起了國(guó)內(nèi)外廣大學(xué)者的普遍關(guān)注，并對(duì)信號(hào)處理和分析產(chǎn)生了極為重要的影響。目前稀疏表示已被廣泛地應(yīng)用到圖像處理、模式識(shí)別，自動(dòng)測(cè)控等的多個(gè)領(lǐng)域。
　　本論文研究了稀疏表示及其在圖像處理中的應(yīng)用，圍繞原子庫(kù)構(gòu)建和稀疏分解兩個(gè)關(guān)鍵問(wèn)題，對(duì)基于冗余原子庫(kù)稀疏表示的圖像壓縮和圖像

2、去噪方法進(jìn)行了探索性的研究，主要的研究成果表現(xiàn)在：
　　第一，本文提出一個(gè)帶可變參數(shù)的不動(dòng)點(diǎn)定理，在此基礎(chǔ)上提出一種新的迭代可控的分形解碼方案。新方案提供了豐富的質(zhì)量漸進(jìn)解碼模式以滿(mǎn)足實(shí)際應(yīng)用的需要，且無(wú)需修改分形編碼部分即可直接應(yīng)用到現(xiàn)有的分形壓縮系統(tǒng)中。
　　第二，本文提出一種新的基于多尺度追蹤的稀疏分解方法。該方法在多個(gè)尺度上進(jìn)行匹配運(yùn)算，并自適應(yīng)地完成尺度間的切換；同時(shí)利用原子庫(kù)的幾何特性，在原圖像分辨率層進(jìn)行原子的

3、重建和提取，從而在降低分解的計(jì)算復(fù)雜度的同時(shí)保持了逼近精度。
　　第三，本文提出一種基于塊劃分的匹配追蹤圖像編碼方法。該方法利用匹配追蹤分解后原子的能量和位置分布特性，對(duì)原子的系數(shù)和位置參數(shù)進(jìn)行了有效的組織和編碼，在編碼效率和伸縮性能方面相對(duì)于同類(lèi)方法有了顯著的提高，在低到中碼率段獲得了與當(dāng)前先進(jìn)方法相當(dāng)?shù)目陀^(guān)率失真性能和更優(yōu)的主觀(guān)質(zhì)量，同時(shí)提供了更靈活的質(zhì)量和分辨率的伸縮性，更適合于異構(gòu)網(wǎng)絡(luò)環(huán)境下的多媒體應(yīng)用。
　　第四，

4、本文提出一種新的基于全局原子庫(kù)的稀疏去噪方法，從原子庫(kù)學(xué)習(xí)和稀疏分解去噪兩個(gè)方面對(duì)以往的方法進(jìn)行了改進(jìn)。在原子庫(kù)學(xué)習(xí)方面，提出一種兩階段學(xué)習(xí)算法，通過(guò)引入相關(guān)系數(shù)匹配準(zhǔn)則和原子庫(kù)裁剪機(jī)制，很好處理了信號(hào)提取和噪聲抑制之間的矛盾；在稀疏分解去噪方面，提出了一種多級(jí)去噪方案，在挖掘圖像多尺度特性的同時(shí)進(jìn)一步減少了人為噪聲?；谝陨咸攸c(diǎn)，該方法的去噪性能較同類(lèi)方法有了顯著的提高，在噪聲強(qiáng)度較大的情況下，獲得了比當(dāng)前先進(jìn)方法更好的主客觀(guān)圖像恢復(fù)

5、質(zhì)量。
　　第五，本文提出一種新的基于空間自適應(yīng)原子庫(kù)的稀疏去噪方法。該方法結(jié)合“非局部”和“冗余稀疏”兩種思想，通過(guò)為每一個(gè)空間圖像塊訓(xùn)練一個(gè)自適應(yīng)的子原子庫(kù)來(lái)實(shí)現(xiàn)對(duì)圖塊的稀疏表示。在原子庫(kù)的訓(xùn)練及基原子的選擇中，聯(lián)合使用了全局和局部?jī)煞N子空間分析方法，有效地克服了以往自適應(yīng)去噪方法所面臨的諸多問(wèn)題。與使用固定基或原子庫(kù)來(lái)分解圖像的方法相比，該方法提供了一種局部自適應(yīng)的圖像表示，因而能更好地捕獲圖像細(xì)節(jié)特征。在對(duì)圖像邊緣和紋理的