基于學(xué)習(xí)的壓縮圖像恢復(fù)方法.pdf

1、隨著數(shù)字化多媒體技術(shù)的迅速發(fā)展，人們對(duì)各種數(shù)字圖像的需求日益增長(zhǎng)。由于圖像具有信息量巨大的特點(diǎn)，因此在傳輸、存儲(chǔ)前需要對(duì)其進(jìn)行數(shù)據(jù)壓縮。在目前主流的視頻和圖像編碼標(biāo)準(zhǔn)中廣泛使用以去除圖像中的冗余信息為目的的塊級(jí)離散余弦變換壓縮編碼技術(shù)。然而為了達(dá)到高壓縮率，離散余弦變換和隨后的量化過(guò)程會(huì)導(dǎo)致原始信息過(guò)多的損失，從而引起相鄰圖像塊亮度不一致的問(wèn)題，人們稱之為塊效應(yīng)；另外，由于量化會(huì)導(dǎo)致圖像中高頻信息的丟失，從而會(huì)在圖像內(nèi)容的邊緣處產(chǎn)生振鈴

2、效應(yīng)。這樣，無(wú)論是圖像的主觀質(zhì)量，或是客觀質(zhì)量都受到較大的損失，很難滿足人眼對(duì)圖像質(zhì)量的要求，所以，人們迫切需要一些高效的針對(duì)壓縮圖像的后處理方法。
　　本文以提高數(shù)字圖像的主觀視覺質(zhì)量為目的，對(duì)去塊效應(yīng)算法進(jìn)行了較深入的研究。提出了兩種基于學(xué)習(xí)的壓縮圖像后處理算法，有效地去除了塊效應(yīng)、較好地提高圖像了的主觀視覺質(zhì)量。
　　（一）基于專家場(chǎng)的壓縮圖像恢復(fù)：該方法將目前很流行的稀疏編碼概念同馬爾科夫隨機(jī)場(chǎng)結(jié)合起來(lái)。一方面，從一

3、組自然圖像中學(xué)習(xí)圖像的先驗(yàn)知識(shí)，并將其表示成基于專家場(chǎng)模型的高階馬爾科夫隨機(jī)場(chǎng)的形式；另一方面，根據(jù)壓縮圖像量化噪聲的特點(diǎn)，用加性高斯噪聲模型表示這一降質(zhì)過(guò)程。最后，采用最大后驗(yàn)概率估計(jì)的方法經(jīng)過(guò)多次迭代得到恢復(fù)后的圖像。
　?。ǘ┗贙-SVD的壓縮圖像恢復(fù)：這一方法基于一種新穎的自適應(yīng)的字典學(xué)習(xí)算法——K奇異值分解方法，用學(xué)習(xí)得到的圖像塊的稀疏編碼表示樣例圖像塊。在圖像恢復(fù)時(shí)，要將對(duì)小圖像塊的稀疏表示推廣到一幅完整圖像上，建