学位论文 > 优秀研究生学位论文题录展示

稀疏表示在图像处理中的应用

作　者: 沈斌
导　师: 章毓晋
学　校: 清华大学
专　业: 信息与通信工程
关键词: 稀疏表示 压缩感知 前景分割 图像分类
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 948次
引　用: 2次
阅　读: 论文下载
 

内容摘要


稀疏表示理论又称压缩感知理论。最近,由于其较大的理论突破,尤其是计算复杂度的下降,使得该理论被广泛应用到信号处理领域的各个方面。作为一种特殊的信号,图像信号本身及其所反映的语义在很多时候具备稀疏性这一特点,这使得稀疏表示相关的理论可以被引入到图像处理这一领域中。本文主要考虑稀疏表示理论在图像处理领域的三个应用。首先,本文将稀疏表示理论引入到图像修复领域中。图像修复就是要将图像中丢失的信息复原,使得恢复后的图像区域与图像的其他区域很好地兼容,在视觉感知上使两者足够相似。本文将图像修复问题看成序贯的信号恢复过程,利用图像小块具有稀疏性这一特点,提出了基于稀疏表示的图像修复算法。该算法能够有效恢复图像中的丢失信息,保持视觉上的真实性。同时,该算法可以处理较大区域的信息丢失,因此不光可以用于照片刮痕等细小损害的去除,还可以用于将照片中不想出现的较大物体去除等编辑过程中。该算法只需要当前一张图片作为输入。其次,本文将视频中的前景分割问题看成一个图像块的分类问题。本文提出了超像素包这一对背景和前景同时建模的方法。同时,利用发现图像块在超像素包上具有稀疏性,进而利用带L1范数限制的回归方法求得图像块的一种新型的特征。该特征是稀疏的向量,因此有着较强的鉴别性。利用该新型的特征向量对图像块分成前景和背景两类,就可以实现前景和背景的分离。该算法不要求背景是静止,也允许目标和背景发生任何刚性或者非刚性的变化,因此有较强的鲁棒性。该算法可以有效提取前景,这可以方便进行背景替换等视频编辑,也可以为进一步的视频分析作准备。本文还考虑了物体分类问题。一个图象区域所表达的语义是有限的,因此对于庞大的语义字典,某一特定区域所表达的语义是稀疏的。基于此,本文提出基于稀疏语义表示的物体分类算法。其中,半监督的概率隐含语义分析被引入来学习一组有较明确语义的话题。实验表明,该算法比传统的分类方法有较明显的改进。

全文目录


摘要  3-4
Abstract  4-8
第1章 引言  8-17
  1.1 选题背景介绍  8-9
    1.1.1 稀疏表示的概念  8-9
    1.1.2 稀疏表示的好处  9
  1.2 发展现状  9-15
    1.2.1 稀疏表示的研究方向  9-10
    1.2.2 信号的稀疏变换  10-14
    1.2.3 稀疏表示在图像信号处理领域的应用  14-15
  1.3 研究内容和主要贡献  15
  1.4 论文组织  15-17
第2章 基于稀疏表示的图像修复  17-28
  2.1 引言  17-18
  2.2 信号的稀疏表示与复原  18-19
  2.3 图像修复算法  19-23
    2.3.1 填充顺序  20-21
    2.3.2 信号复原  21-22
    2.3.3 基的构建  22-23
    2.3.4 算法流程  23
  2.4 实验结果  23-25
  2.5 讨论与小结  25-28
    2.5.1 与相关工作的关系  25-27
    2.5.2 结论  27-28
第3章 基于稀疏表示的前景分割  28-39
  3.1 引言  28-29
  3.2 重要观测  29-30
  3.3 前景分割算法  30-35
    3.3.1 分割与超像素的描述  31
    3.3.2 对前/背景同时建模的超像素包模型  31-32
    3.3.3 测试帧中的的稀疏表示  32-33
    3.3.4 图像块分类  33-34
    3.3.5 算法流程  34-35
  3.4 实验结果  35-37
  3.5 讨论与小结  37-39
第4章 基于稀疏语义表示的物体分类  39-59
  4.1 引言  39-41
  4.2 半监督的物体分类  41-45
    4.2.1 基于概率隐含语义分析的物体分类  41-42
    4.2.2 用于物体分类的半监督的概率隐含语义分析  42-45
  4.3 半监督概率隐含语义分析的实验结果  45-48
    4.3.1 实验设置  45-46
    4.3.2 LabelMe 数据库上的物体分类结果  46-48
  4.4 基于稀疏语义表示的物体分类  48-50
    4.4.1 稀疏语义表示  49
    4.4.2 非负的稀疏语义表示  49-50
  4.5 实验结果  50-58
    4.5.1 五类分类问题的实验结果  50-53
    4.5.2 五十类分类问题的实验结果  53-58
  4.6 讨论与小结  58-59
第5章 总结与展望  59-61
参考文献  61-65
致谢  65-66
个人简历、在学期间发表的学术论文与研究成果  66

相似论文

  1. 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
  2. 基于“词袋”模型的图像分类系统,TP391.41
  3. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  4. 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
  5. 压缩感知在无线通信网络异常事件检测中的应用研究,TN929.5
  6. 基于随机矩阵理论和压缩感知的合作频谱感知技术研究,TN925
  7. 压缩感知中信号重构算法的研究,TN911.6
  8. 基于压缩感知的认知无线电频谱检测技术及其研究,TN925
  9. 压缩感知在无线传感网中的应用研究,TN929.5
  10. 基于压缩感知的语音信号编码技术研究,TN912.3
  11. 无线传感器网络中视频编码的跨层优化研究,TN919.81
  12. 无线传感器网络中分布式压缩感知关键技术,TN929.5
  13. 基于压缩感知的多径信道估计及其研究,TN925
  14. 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
  15. 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
  16. 宽带无线通信中基于压缩感知的信道估计研究,TN92
  17. 蜂窝网络中基于流量预测的节能关键技术研究,TN929.53
  18. 压缩感知算法及其在矢量量化中的应用,TN911.7
  19. 基于压缩感知的信号恢复算法研究,TN911.7
  20. 基于压缩感知的分布式视频编码技术研究,TN919.81
  21. 认知无线网络中宽带压缩频谱感知关键技术,TN925

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