收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

图像稀疏表示理论及其应用研究

邓承志  
【摘要】: 图像表示是图像处理领域的基本问题。图像内容的有效表示是图像处理应用开展的基础。表示的有效性是指用很少的数据捕获感兴趣目标的重要信息的能力,即稀疏表示的能力。图像稀疏表示研究已成为近年来图像表示研究的热点,尤其是探讨基于人眼视觉的基函数理论模型及构造方法,研究快速、有效的图像稀疏表示算法,将有利于推动图像处理领域研究的开展,为图像表示提供新的理论与方法,具有重要的理论意义。 本文在国家自然科学基金项目“联合基图像稀疏表示理论研究及其应用”的资助下,针对图像稀疏表示理论、方法以及基于稀疏表示的图像处理应用问题,重点围绕多尺度几何分析在图像处理中的应用、基于冗余字典的超完备图像稀疏表示理论及应用、组合变换图像稀疏表示理论及应用等内容进行了探索性的研究。 论文阐述了信号表示的定义、稀疏性度量以及图像稀疏表示的基本理论方法,分析与比较了脊波变换、曲线波变换、Contourlet变换、Bandelet变换各自的非线性逼近性能。 脊波变换作为多尺度几何分析中的一种,能够稀疏地表示图像中的直线状奇异特征。利用脊波变换对直线状奇异特征的稀疏表示特性,提出了一种盲数字图像水印算法。算法能够确定出视觉上重要的图像脊波系数,并将水印自适应地嵌入其中,既保证了水印视觉上的不可见性,又提高了水印的鲁棒性。 针对脊波变换域阈值收缩法图像去噪存在的问题,提出了一种脊波收缩和全变差最小模型相结合的图像去噪算法。算法先对脊波系数进行收缩处理,再采用全变差扩散方式对收缩的脊波系数进行滤波处理。算法保留了两种去噪方法的优点,在计算复杂度与滤波效果上取得了更好的综合性能。 论文分析了自然图像曲线波系数的边缘统计分布,提出了曲线波系数边缘分布的正态反高斯分布建模方法和基于曲线波系数边缘统计模型和最大后验概率估计的图像去噪算法。算法能够减少图像中的噪声,更好地保留图像的边缘、纹理等几何特征,去噪后的图像具有更好的视觉质量。 基于曲线波变换的多方向和各向异性特性,提出了一种曲线波变换域图像融合算法。算法采用局部方向能量比来度量特征的显著程度,采用局部方向能量比的熵来自适应地抑制噪声的干扰。算法充分保留了图像的特征,同时抑制了噪声的干扰,更适用于实际的图像融合系统。 超完备稀疏表示能够获得最可能稀疏的图像表示,能获取比传统的非自适应方法更高分辨率的信息。论文研究了基于冗余字典的超完备图像稀疏表示理论及其应用。(1)对超完备图像稀疏分解算法进行了研究,提出了一种基于冗余字典非相干分解的多原子匹配追踪图像稀疏分解算法。算法通过每次迭代选取若干最匹配原子的方式,实现图像的快速稀疏分解。该算法在保证稀疏分解性能的同时,极大地提高了稀疏分解的速度,为基于超完备图像稀疏表示的实际应用奠定了基础。(2)对超完备图像稀疏表示中冗余字典的构造问题进行研究,提出了冗余多尺度脊波字典的构造方法。新构造出的字典满足人眼视觉的基本特性,具有多分辨率、多尺度、各向异性和多方向选择性等性质,能更稀疏地表示图像。(3)基于多原子匹配追踪算法和冗余多尺度脊波字典,提出了一种静态图像压缩编码方案。该方案通过对稀疏分解系数的自适应量化与编码,实现图像的压缩编码。在低比特率下,该方案获得比JPEG-2000更好的编码性能,非常适用于低比特或甚低比特率下的图像与视频编码。 组合变换图像稀疏表示通过几种变换(或正交基)的级联来构造超完备字典,实现图像的稀疏表示。论文对组合变换图像稀疏表示理论及应用进行了研究,首先,提出了迭代收缩法组合变换图像稀疏表示。该方法利用变换的快速算法,通过迭代收缩的方式实现图像的组合变换稀疏表示,具有运算简单、收敛速度快等优点,适合于大数据环境下的工程应用。其次,提出了组合傅里叶变换与曲线波变换的混合图像复原算法,利用傅里叶变换域收缩法进行去卷积和去除色噪声,并利用曲线波变换域收缩法进行去噪,较好地恢复了降质的图像。最后,提出了组合小波变换与曲线波变换的图像插值算法。利用小波变换与曲线波变换对图像不同内容的稀疏表示特性,将图像插值问题转化为稀疏约束的图像重建问题,采用迭代收缩投影法对问题进行求解,实现了图像分辨率的增强。实验结果表明,该算法显著提高了插值图像的视觉质量。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
2 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
3 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
4 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
5 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
6 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
7 姜芳芳;;稀疏表示理论在提高数字图像质量中的应用[J];科技创新导报;2012年36期
8 马莉娜;;增强的两阶段测试样本稀疏表示方法[J];福建电脑;2013年07期
9 尹学忠;樊甫华;;基于字典学习的超宽带信号稀疏表示与降噪方法[J];计算机应用研究;2014年06期
10 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期
11 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期
12 陈垚佳;张永平;;图像过完备稀疏表示理论及应用综述[J];电视技术;2012年17期
13 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期
14 张涛;梁德群;王新年;;基于稀疏表示的图像模糊度评价方法[J];计算机工程;2013年04期
15 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
16 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期
17 丁昕苗;李兵;胡卫明;郭文;王振翀;;基于多视角融合稀疏表示的恐怖视频识别[J];电子学报;2014年02期
18 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
19 范少萍;郑春厚;王召兵;;基于元样本稀疏表示分类器的文本资源分类[J];图书情报工作;2011年16期
20 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 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
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
2 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年
3 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
4 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年
5 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年
6 路锦正;基于稀疏表示的图像超分辨率重构技术研究[D];电子科技大学;2013年
7 尹海涛;面向图像融合和图像复原的稀疏表示研究[D];湖南大学;2012年
8 谢成军;图像稀疏表示模型在可视化追踪中的应用研究[D];合肥工业大学;2014年
9 魏丹;基于稀疏表示和特征选择的人脸识别方法研究[D];湖南大学;2012年
10 孙玉宝;图像稀疏表示模型及其在图像处理反问题中的应用[D];南京理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 张琨雨;在线字典训练及加权差异性稀疏表示的研究[D];大连理工大学;2011年
2 王勇;基于稀疏表示的人脸识别研究[D];五邑大学;2013年
3 李义真;基于词包与稀疏表示的场景分类[D];华南理工大学;2013年
4 孙丽花;基于稀疏表示的人脸识别方法研究[D];河南科技大学;2013年
5 陈天娇;基于分组稀疏和权重稀疏表示的人脸识别研究[D];安徽大学;2014年
6 刘自成;基于稀疏表示的雷达目标角度与距离估计[D];西安电子科技大学;2014年
7 李立;基于稀疏表示的人脸图像识别方法研究[D];南京理工大学;2012年
8 满江月;基于稀疏表示的代价敏感性人脸识别算法研究[D];南京邮电大学;2012年
9 赵广銮;稀疏表示在图像识别中的应用[D];北京邮电大学;2013年
10 罗燕龙;基于局部稀疏表示模型的在线字典学习跟踪算法研究[D];厦门大学;2014年
中国知网广告投放
 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