基于稀疏表示理論的圖像處理關鍵技術研究.pdf

1、在信號分析理論的研究中，人們總是希望能夠用最“經濟”的方式來表達信號。稀疏表示方法作為一種新興的信號表示方法，有效的實現了這一目的。所謂“稀疏”，即是絕大多數的表示系數均為零，只有少部分系數非零。而令人感興趣的是，這僅有的少數非零大系數足以揭示信號的本質。因此，稀疏表示方法在國內外都受到了廣泛的關注，一度成為眾多專家學者的研究熱點。同時，由于其與人類視覺成像機制的高度相似性，稀疏表示方法已在計算機視覺、模式識別、圖像處理、自動控制等多個

2、領域得到了廣泛的應用。
　　本文的研究重點為稀疏表示理論及其在圖像處理中的應用，圍繞多尺度幾何分析方法、字典學習理論、稀疏編碼、稀疏正則化方法以及它們在相關圖像處理技術中的典型應用而展開，論文的主要研究成果及創(chuàng)新性表現在以下幾個方面：
　?。?）闡述了稀疏表示理論的基本概念，包括多尺度幾何分析方法和過完備字典稀疏表示方法，探究它們的定理、數學模型和計算方法，并討論這些稀疏表示方法在圖像處理問題中的典型應用。
　?。?）

3、分析比較了小波（Wavelet）、曲線波（Curvelet）、輪廓波（Contourlet）、非下采樣輪廓波（Non-subsampled Contourlet）的基函數構成方法、多維濾波器組、線狀奇異捕獲能力、方向性分析特性。提出了一種基于非下采樣輪廓波的熵測度融合算法，借鑒信息論中的剩余度概念，在傳統(tǒng)測度計算方法中添加由低頻系數構造的掩膜，該方法同時考慮了高低頻系數對測度的影響，使測度的計算更為合理。同時，利用該變換的非下采樣特性，

4、可以進行兩幅融合圖像的點對點處理，易于實現。
　　（3）通過研究多尺度分析在不同尺度捕獲信號不同特性的優(yōu)勢，借鑒多尺度分析概念，提出一種基于照度劃分的多尺度圖像增強方法，該方法引入韋伯視覺心理模型，將圖像劃分在不同的照度區(qū)域，根據不同照度區(qū)域的特性，選取不同的尺度函數組合捕獲不同照度區(qū)域內的感興趣信息，提升增強圖像的視覺效果。
　?。?）結合多尺度分析方法與Retinex光照模型，提出一種基于非下采樣輪廓波的Retinex多

5、曝光圖像增強方法，方法中將傳統(tǒng)單幅圖像的二維Retinex模型擴展至三維序列圖像.同時，該方法還采用非下采樣輪廓波的良好頻率帶通特性保護各圖像的邊緣信息，并從不同頻率成分中提取不同曝光時間圖像的曝光信息，將這些信息進行組合并依據Retinex模型獲得增強圖像，達到去除反光面過飽和現象、提升視覺動態(tài)范圍的目的。
　?。?）根據對現有字典學習算法和經典稀疏編碼方法的研究，提出了一種基于壓縮傳感的字典學習方法。該方法將字典作為一種特殊的

6、信號進行稀疏表示，通過對字典進行稀疏編碼，實現了由壓縮采樣的低維數據來學習高維字典的目的，并將其應用在基于壓縮感知的圖像重構問題中，使復原精度得到進一步提高。
　?。?）提出了一種雙先驗約束的稀疏圖像復原方法。算法包括兩個主要的貢獻，一方面建立了一種同時具有全變差和非局部稀疏兩種約束的復原框架，使得該框架能夠發(fā)揮全變差的紋理復原作用以及非局部模型的幾何結構保持作用；另一方面，為了求解該復原框架，還提出了一種修正的Split Bre