收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于矢量信号稀疏表达模型的图像重建技术研究

陈咏  
【摘要】:图像重建技术在图像处理的各个领域都有着非常广泛的应用,包括恶劣环境下的图像质量增强、图像超分辨率重建以及显著区域检测等。近年来,基于稀疏表示的重建模型在图像重建的许多应用中都取得了较好的效果。然而,由于传统的标量稀疏表示模型难以直接处理彩色图像,常常将彩色图像失真地表示成二阶标量信号,导致信号通道间的结构关系的损失,使得重建结果往往存在颜色失真、结构模糊等现象。四元稀疏表示模型将彩色图像视作三阶矢量信号,可以并行地处理彩色图像的各个通道,完整地保留多通道图像的结构信息,经实验证明,四元稀疏表示模型能更加准确地对图像进行重建,在图像重建问题上取得了很好的效果。本文主要介绍了图像稀疏表示模型在显著区域检测和图像超分辨率重建上的应用,并针对传统稀疏表示模型在重建图像上的不足进行了改进,做出了以下创新性工作:本文提出了一种基于四元稀疏表示模型的显著区域检测方法。在传统方法中,通常采用颜色和纹理等低层次的视觉特征来描述物体,无法有效地区分背景和显著物体。为了解决这个问题,本文对显著物体的特征描述,稀疏表示的字典构建方式以及显著值融合方法等进行了改进。首先,引入了多层次的深度特征,提高了图像特征的表征能力。同时,采用四元向量来表示多通道颜色特征和多层次深度特征,这种矢量稀疏表示的方式很好地保持了通道间和各层深度特征之间的相关性,整体提升了显著图的计算准确度;其次,通过构建前景字典和背景字典,融合基于这两个字典的重建误差来评估图像块的显著值,可以有效地提高检测算法的查全率;最后,通过图像块间相关性对显著区域的显著值进行平滑优化,提高了显著值的准确性。本文提出的基于矢量稀疏表示模型的显著区域检测方法在三个常用数据集上进行了实验,并与当前先进算法进行对比。实验表明,本文提出的方法可以准确地提取显著区域,查准率高于现有算法10%左右,整体检测性能达到了先进水平。同时,本文提出了一种基于四元稀疏表示模型的图像超分辨率重建算法。现有的图像超分辨率重建算法往往只对图像的亮度通道进行处理,忽视了颜色通道上的信号损失;图像中的细节信息往往存在于不同的尺度空间,现有算法采用单一字典,无法有效恢复出高分辨率图像在不同尺度上的细节信息。本文算法采用四元稀疏表示模型代替传统标量稀疏表示模型,对彩色图像块更准确地进行重建,避免将彩色图像特征失真表示为二阶标量信号,完整地保留了各通道间的相关性;其次,利用已知的外部图像训练集,构建了多个尺度的低分辨率-高分辨率字典对,通过对图像重建结果进行多尺度融合来弥补图像在不同尺度上损失的结构信息。最后,采用了一种图像块自适应选择重建的方法,仅对可能发生细节损失的部分进行重建,在不损失重建效果的基础上对算法进行了提速。实验结果表明,本文提出的图像超分辨率重建算法可以有效提高重建后高分辨率图像的质量,比现有重建算法获得的图像质量在PSNR上提高0.1dB~1dB,而利用图像块选择方法则可以在不损失图像重建质量的基础上提速40%左右。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
12 李清泉;王欢;;基于稀疏表示理论的优化算法综述[J];测绘地理信息;2019年04期
13 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
14 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
15 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
16 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
17 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年
10 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
中国博士学位论文全文数据库 前10条
1 樊晓宇;基于自适应稀疏表示的压缩感知MRI算法研究[D];燕山大学;2019年
2 范长德;基于稀疏表示模型的行为识别研究[D];燕山大学;2019年
3 张永强;基于稀疏表示和级联回归的面部动作捕捉技术研究[D];哈尔滨工业大学;2018年
4 商琨;稀疏、低秩表示学习模型与相关方法研究[D];天津大学;2017年
5 杨红红;稀疏表示及多示例跟踪算法研究及其在视频监控中的应用[D];西北工业大学;2018年
6 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
7 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
8 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
9 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
10 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
中国硕士学位论文全文数据库 前10条
1 陈咏;基于矢量信号稀疏表达模型的图像重建技术研究[D];上海交通大学;2017年
2 杜进楷;多模态医学图像融合算法研究[D];贵州师范大学;2019年
3 陈萍萍;基于稀疏表示和深度学习的第二代身份证识别[D];福州大学;2018年
4 雷娅;基于Takenaka-Malmquist字典的无线信道稀疏表示方法与应用[D];上海大学;2019年
5 沈苗苗;基于几何代数的稀疏表示方法研究[D];上海大学;2019年
6 侯雨含;基于稀疏表示的高光谱图像目标检测[D];山东科技大学;2018年
7 王成俊;基于循环引导滤波器和稀疏表示的图像融合算法研究[D];云南大学;2019年
8 曾怿;基于四元稀疏表示模型的多通道图像重建技术与应用[D];上海交通大学;2016年
9 田晨曦;稀疏表示分类的模型、量化指标体系及应用[D];河南大学;2019年
10 韩青云;基于稀疏表示的DAS数据降噪方法研究[D];电子科技大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978