学位论文 > 优秀研究生学位论文题录展示
稀疏表示在图像压缩和去噪中的应用研究
作 者: 何艳敏
导 师: 王厚军
学 校: 电子科技大学
专 业: 测试计量技术及仪器
关键词: 稀疏表示 冗余原子库 匹配追踪 可伸缩编码 非局部方法
分类号: TP391.41
类 型: 博士论文
年 份: 2011年
下 载: 163次
引 用: 0次
阅 读: 论文下载
内容摘要
在信号分析中,人们总希望能将信号简洁地表示出来,以便揭示其最本质的特征。稀疏表示提供了这样一种途径,它力求用尽量少的元素来表示信号。作为一种新兴的表示方法,稀疏表示引起了国内外广大学者的普遍关注,并对信号处理和分析产生了极为重要的影响。目前稀疏表示已被广泛地应用到图像处理、模式识别,自动测控等的多个领域。本论文研究了稀疏表示及其在图像处理中的应用,围绕原子库构建和稀疏分解两个关键问题,对基于冗余原子库稀疏表示的图像压缩和图像去噪方法进行了探索性的研究,主要的研究成果表现在:第一,本文提出一个带可变参数的不动点定理,在此基础上提出一种新的迭代可控的分形解码方案。新方案提供了丰富的质量渐进解码模式以满足实际应用的需要,且无需修改分形编码部分即可直接应用到现有的分形压缩系统中。第二,本文提出一种新的基于多尺度追踪的稀疏分解方法。该方法在多个尺度上进行匹配运算,并自适应地完成尺度间的切换;同时利用原子库的几何特性,在原图像分辨率层进行原子的重建和提取,从而在降低分解的计算复杂度的同时保持了逼近精度。第三,本文提出一种基于块划分的匹配追踪图像编码方法。该方法利用匹配追踪分解后原子的能量和位置分布特性,对原子的系数和位置参数进行了有效的组织和编码,在编码效率和伸缩性能方面相对于同类方法有了显著的提高,在低到中码率段获得了与当前先进方法相当的客观率失真性能和更优的主观质量,同时提供了更灵活的质量和分辨率的伸缩性,更适合于异构网络环境下的多媒体应用。第四,本文提出一种新的基于全局原子库的稀疏去噪方法,从原子库学习和稀疏分解去噪两个方面对以往的方法进行了改进。在原子库学习方面,提出一种两阶段学习算法,通过引入相关系数匹配准则和原子库裁剪机制,很好处理了信号提取和噪声抑制之间的矛盾;在稀疏分解去噪方面,提出了一种多级去噪方案,在挖掘图像多尺度特性的同时进一步减少了人为噪声。基于以上特点,该方法的去噪性能较同类方法有了显著的提高,在噪声强度较大的情况下,获得了比当前先进方法更好的主客观图像恢复质量。第五,本文提出一种新的基于空间自适应原子库的稀疏去噪方法。该方法结合“非局部”和“冗余稀疏”两种思想,通过为每一个空间图像块训练一个自适应的子原子库来实现对图块的稀疏表示。在原子库的训练及基原子的选择中,联合使用了全局和局部两种子空间分析方法,有效地克服了以往自适应去噪方法所面临的诸多问题。与使用固定基或原子库来分解图像的方法相比,该方法提供了一种局部自适应的图像表示,因而能更好地捕获图像细节特征。在对图像边缘和纹理的保持上,该方法表现非常出色,获得了比当前先进方法更好的效果。
|
全文目录
摘要 5-7 ABSTRACT 7-14 第一章 绪论 14-25 1.1 稀疏表示的意义 14-15 1.2 图像稀疏表示与图像处理 15-18 1.2.1 生理基础 15-16 1.2.2 稀疏表示模型 16-17 1.2.3 稀疏模型与图像处理 17-18 1.3 图像质量的评价 18-21 1.3.1 主观评价 19 1.3.2 客观评价 19-21 1.4 论文研究内容与创新点 21-23 1.5 论文的总体结构 23-25 第二章 稀疏表示的原理及方法 25-37 2.1 信号的稀疏表示 25-27 2.1.1 信号的表示 25-26 2.1.2 稀疏的度量 26 2.1.3 冗余稀疏表示 26-27 2.2 原子库构建 27-32 2.2.1 原子库的发展与分类 27 2.2.2 基于解析的原子库 27-30 2.2.3 原子库学习方法 30-32 2.3 稀疏分解 32-36 2.4 本章小结 36-37 第三章 图像压缩编码概述 37-49 3.1 压缩编码流程 37-38 3.2 经典编码技术 38-39 3.3 第二代图像编码 39-40 3.4 小波图像编码 40-42 3.5 可伸缩编码技术 42-43 3.6 基于冗余表示的图像编码 43-47 3.6.1 冗余表示编码框架 43-44 3.6.2 矢量量化 44-45 3.6.3 分形编码 45-46 3.6.4 匹配追踪编码 46-47 3.6.5 讨论 47 3.7 本章小结 47-49 第四章 分形图像压缩编码 49-66 4.1 分形编码数学基础 49-52 4.1.1 迭代函数系统理论 49-51 4.1.2 不动点定理 51-52 4.1.3 拼贴定理 52 4.2 分形图像编码原理与实现 52-57 4.2.1 编码原理 52-53 4.2.2 编码方法 53-55 4.2.2.1 原子库构成 53-54 4.2.2.2 分形码搜索 54-55 4.2.2.3 分形码量化编码 55 4.2.2.4 算法描述 55 4.2.3 实验结果 55-57 4.3 分形图像解码的灵活性 57-65 4.3.1 可控质量渐进解码 57-63 4.3.1.1 带可变参数的不动点定理 58-60 4.3.1.2 质量渐进解码方案 60 4.3.1.3 构造参数序列 60-63 4.3.2 分辨率无关解码 63-65 4.4 本章小结 65-66 第五章 匹配追踪图像压缩编码 66-101 5.1 原子库的构建 66-68 5.2 MP 图像分解 68-73 5.2.1 FSMP 算法 68-69 5.2.2 MP 原子特性 69-73 5.2.2.1 原子能量分布特性 69-71 5.2.2.2 原子位置分布特性 71-73 5.3 多尺度MP 分解 73-81 5.3.1 图像多尺度表示 74-75 5.3.2 多尺度追踪 75-78 5.3.2.1 多尺度搜索方法 75-77 5.3.2.2 尺度切换准则 77 5.3.2.3 算法描述 77-78 5.3.3 实验结果 78-81 5.4 MP 图像编码 81-100 5.4.1 MP 编码研究现状 81-83 5.4.2 基于块划分的 MP 编码 83-89 5.4.2.1 算法思想 83-85 5.4.2.2 原子排序 85 5.4.2.3 块划分 85-86 5.4.2.4 原子编码 86-87 5.4.2.5 算法描述 87-89 5.4.3 码流的可伸缩性 89-90 5.4.3.1 质量可伸缩 89 5.4.3.2 分辨率可伸缩 89-90 5.4.4 实验结果 90-100 5.4.4.1 阈值参数α 的选择 90-91 5.4.4.2 量化参数δ 的选择 91-92 5.4.4.3 编码有效性分析 92-94 5.4.4.4 客观性能比较 94-95 5.4.4.5 主观性能比较 95-98 5.4.4.6 伸缩性能评估 98-100 5.5 本章小结 100-101 第六章 基于全局原子库的冗余稀疏去噪 101-132 6.1 噪声及其度量 101-103 6.1.1 图像噪声 101-102 6.1.2 噪声的度量 102-103 6.2 去噪技术回顾 103-110 6.2.1 空域去噪技术 103-104 6.2.2 变换域去噪技术 104 6.2.3 非局部去噪技术 104-107 6.2.4 冗余稀疏去噪技术 107-109 6.2.5 讨论 109-110 6.3 基于全局原子库的冗余稀疏去噪方法 110-130 6.3.1 原子库学习 111-116 6.3.1.1 基于相关系数准则的稀疏编码 111-112 6.3.1.2 基于噪声检测的原子库裁剪 112-114 6.3.1.3 原子库学习算法 114-116 6.3.2 稀疏分解去噪 116-118 6.3.2.1 多级分解去噪 116-117 6.3.2.2 稀疏编码策略 117 6.3.2.3 人为噪声抑制 117-118 6.3.3 实验结果 118-130 6.3.3.1 参数设置 119-120 6.3.3.2 原子库学习的评估 120-123 6.3.3.3 多级去噪性能评估 123-124 6.3.3.4 客观性能比较 124 6.3.3.5 主观性能比较 124-130 6.4 本章小结 130-132 第七章 基于空间自适应原子库的冗余稀疏去噪 132-150 7.1 概述 132-133 7.2 算法思路 133 7.3 全局空间分析 133-135 7.4 原子库训练 135-137 7.5 基原子选择 137-139 7.6 算法描述 139-140 7.7 讨论 140 7.8 实验结果 140-149 7.8.1 主特点评估 140-142 7.8.2 客观性能比较 142 7.8.3 主观性能比较 142-149 7.9 本章小结 149-150 第八章 全文总结 150-154 8.1 研究总结 150-152 8.2 工作展望 152-154 致谢 154-155 参考文献 155-165 攻博期间取得的研究成果 165-166
|
相似论文
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 基于稀疏表示残差融合的人脸表情识别,TP391.41
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 压缩感知中信号重构算法的研究,TN911.6
- 基于SPIHT的可伸缩码流编码器的实现和研究,TN762
- 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
- 基于稀疏表示的语音信号的最佳投影与其重构技术的研究,TN912.3
- 宽带无线通信中基于压缩感知的信道估计研究,TN92
- 基于压缩感知的信号恢复算法研究,TN911.7
- 重构算法在OFDM信道估计中的应用研究,TN919.3
- 认知无线电中频谱感知方法的研究,TN925
- 心音信号的等效分析模型和特征参数提取的研究,TN911.6
- 基于核回归与非局部方法的图像去噪研究,TP391.41
- 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
- 基于机器学习的信用风险评估技术若干研究,TP181
- 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
- 弱稀疏信号欠定盲分离技术的研究,TN911.7
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于稀疏表示的人体运动捕获数据分析方法研究,TP391.41
- 基于内容的商品图像分类技术研究,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|