稀疏分解在交通圖像壓縮中的應(yīng)用.pdf

1、隨著經(jīng)濟(jì)建設(shè)的快速發(fā)展，城市交通問題日益嚴(yán)重，迫切需要采用現(xiàn)代化的管理手段來規(guī)劃管理交通，于是引起了對(duì)智能交通系統(tǒng)的研究。在智能交通系統(tǒng)中，圖像信息因其直觀、內(nèi)容豐富，一直作為重要信息被采集和利用。但基于正交變換的圖像壓縮算法無法很好的滿足對(duì)大容量、高質(zhì)量的交通圖像進(jìn)行實(shí)時(shí)傳輸?shù)囊?，從而限制了智能交通系統(tǒng)的廣泛應(yīng)用。
　　 近年來興起的稀疏分解成為圖像處理領(lǐng)域研究的熱點(diǎn)，它是一種非正交的分解，將圖像分解在過完備原子庫上，分解結(jié)

2、果非常簡潔。由于圖像稀疏分解的優(yōu)良特性，使其成為解決低比特率下圖像壓縮問題的新途徑。
　　 針對(duì)智能交通系統(tǒng)中圖像壓縮問題，本文引入稀疏分解方法，并根據(jù)交通圖像特點(diǎn)，圍繞交通圖像壓縮問題進(jìn)行研究。首先對(duì)交通圖像的背景和局部相似性特點(diǎn)進(jìn)行研究，然后對(duì)交通圖像進(jìn)行稀疏分解，最后根據(jù)稀疏分解結(jié)果數(shù)據(jù)分布規(guī)律，研究高效的編碼算法。論文的主要工作及研究成果如下：
　　 1、介紹了圖像稀疏分解的核心思想以及圖像的稀疏表示，針對(duì)圖像稀

3、疏分解計(jì)算量大的問題，采用基于粒子群算法的圖像稀疏分解快速算法對(duì)交通圖像進(jìn)行了稀疏分解。
　　 2、針對(duì)現(xiàn)有的排序差分算法的不足，給出了交通圖像背景差分壓縮算法。該算法利用交通圖像背景相似特點(diǎn)，首先對(duì)交通圖像進(jìn)行背景差分預(yù)處理，然后進(jìn)行稀疏分解，最后根據(jù)分解結(jié)果數(shù)據(jù)分布規(guī)律，設(shè)計(jì)編碼方案。仿真實(shí)驗(yàn)結(jié)果及分析表明：該算法有效減少了交通圖像背景信息冗余，與排序差分算法相比，在相同壓縮比下，該算法提高了解碼圖像的峰值信噪比和圖像主觀視

4、覺效果。
　　 3、為了更有效的對(duì)交通圖像壓縮，給出了基于原子參數(shù)預(yù)測(cè)和量化的交通圖像壓縮算法。該算法首先利用交通圖像背景和局部相似特點(diǎn)，對(duì)每次分解的原子參數(shù)進(jìn)行預(yù)測(cè)，然后根據(jù)原子參數(shù)量化誤差對(duì)重建圖像質(zhì)量的影響規(guī)律，設(shè)計(jì)了對(duì)原子參數(shù)預(yù)測(cè)誤差的量化和編碼方案。仿真實(shí)驗(yàn)結(jié)果表明，該算法有效的減少了原子參數(shù)編碼冗余，與排序差分算法和交通圖像背景差分壓縮算法相比，在相同壓縮比下，提高了解碼圖像的峰值信噪比和主觀圖像視覺效果。
　

5、　 4、為了構(gòu)造有效的交通圖像表示方法，給出了交通圖像分層壓縮算法。該算法將分層思想引入到交通圖像的稀疏表示和編碼過程中，并根據(jù)交通圖像局部和背景相似的特點(diǎn)，首先分解一批相同背景的交通圖像，以分解后的原子參數(shù)構(gòu)建原子庫，以構(gòu)建原子庫代替過完備庫，采用貪心算法對(duì)交通圖像進(jìn)行稀疏分解。采用多級(jí)樹集合分裂算法對(duì)稀疏分解后的殘差圖像進(jìn)行編碼。并對(duì)算法的性能進(jìn)行仿真驗(yàn)證。與基于原子參數(shù)預(yù)測(cè)和量化的交通圖像壓縮算法、多級(jí)樹集合分裂算法，交通圖像背