基于稀疏特性的圖像恢復(fù)和質(zhì)量評(píng)價(jià)研究.pdf

1、視覺最為人類獲取外部信息最主要的渠道之一，對(duì)人們感知和理解外部世界起到十分重要的作用。隨著多媒體技術(shù)和傳感器技術(shù)的飛速發(fā)展，圖像對(duì)人們的生產(chǎn)、生活等產(chǎn)生越來(lái)越重要的影響。近十年以智能手機(jī)為代表的便攜智能設(shè)備變得日益普及，人們可以比歷史上任何時(shí)期更方便地記錄視覺信息。然而，由非專業(yè)的人士或非專業(yè)設(shè)備獲得的圖像不可避免地存在各種各樣的失真，從而造成人視覺感知體驗(yàn)的下降，甚至導(dǎo)致圖像語(yǔ)義信息的破壞。在絕大多數(shù)時(shí)間，人們總是傾向于得到一個(gè)清晰、

2、鋒利、無(wú)噪聲的高質(zhì)量圖像。圖像恢復(fù)旨在濾除失真圖像中的失真部分，從而達(dá)到提升圖像質(zhì)量的目標(biāo)。在圖像恢復(fù)的過程中，一個(gè)很重要的問題就是如何定義圖像的感知質(zhì)量。圖像質(zhì)量評(píng)價(jià)算法旨在通過計(jì)算機(jī)算法來(lái)模擬人眼視覺系統(tǒng)(Human Visual System，HVS)對(duì)圖像質(zhì)量的感知，實(shí)現(xiàn)與人類感知一致的圖像質(zhì)量評(píng)價(jià)。圖像恢復(fù)和圖像質(zhì)量評(píng)價(jià)既相互聯(lián)系又相互區(qū)別。當(dāng)圖像遭受失真污染，如果嘗試將該失真濾除，就是圖像恢復(fù)問題;如果嘗試評(píng)估該失真給人眼造

3、成的質(zhì)量感知變化，就是圖像質(zhì)量評(píng)價(jià)問題。因此，絕大多數(shù)圖像恢復(fù)算法需要以圖像質(zhì)量為風(fēng)向標(biāo)，而優(yōu)秀的圖像質(zhì)量評(píng)價(jià)算法可以為圖像恢復(fù)算法提供十分有效的指導(dǎo)信息。
　　本課題以圖像自有的稀疏特性為切入點(diǎn)，針對(duì)圖像恢復(fù)和圖像質(zhì)量評(píng)價(jià)展開深入研究，具體包括:高速運(yùn)動(dòng)車牌去模糊，視頻混合噪聲去噪和圖像模糊/鋒利程度評(píng)價(jià)。本論文的主要工作和創(chuàng)新點(diǎn)可以總結(jié)為以下幾點(diǎn):
　　1.論文提出了一種針對(duì)汽車高速運(yùn)動(dòng)導(dǎo)致的車牌模糊的魯棒去模糊算法。首

4、先，根據(jù)相機(jī)的成像原理及汽車的運(yùn)動(dòng)規(guī)律，將造成車牌模糊的卷積核簡(jiǎn)化為線性卷積核。從而，卷積核的估計(jì)問題可以簡(jiǎn)化為參數(shù)估計(jì)問題。通過稀疏字典學(xué)習(xí)，將清晰車牌圖像的先驗(yàn)信息融合在稀疏字典中，發(fā)現(xiàn)去卷積結(jié)果的稀疏表達(dá)系數(shù)與某些卷積核參數(shù)之間存在著擬凸關(guān)系，利用此性質(zhì)可以比較魯棒地估計(jì)出卷積核參數(shù)，從而得到較好的車牌去卷積效果，為后面的車牌識(shí)別奠定基礎(chǔ)。
　　2.本文提出了一種針對(duì)視頻混合噪聲去噪的非局部算法。通過分析視頻數(shù)據(jù)及噪聲數(shù)據(jù)不

5、同的特性，利用了視頻數(shù)據(jù)在當(dāng)前幀和周圍數(shù)幀之間很強(qiáng)的自相關(guān)性。此外，視頻數(shù)據(jù)有清晰的結(jié)構(gòu)信息，其梯度分布符合一定的統(tǒng)計(jì)規(guī)律。本文從這兩個(gè)不同的特性入手，對(duì)視頻數(shù)據(jù)和噪聲數(shù)據(jù)施加不同的特性約束，利用優(yōu)化理論及方法，通過求解優(yōu)化問題實(shí)現(xiàn)視頻數(shù)據(jù)和噪聲數(shù)據(jù)的分離，從而達(dá)到去噪的效果。
　　3.本文提出了一種基于稀疏表達(dá)的圖像模糊/鋒利程度評(píng)價(jià)算法。圖像的結(jié)構(gòu)信息對(duì)于人的視覺質(zhì)量感知起著十分重要的作用，因此如何描述圖像結(jié)構(gòu)信息是圖像質(zhì)量評(píng)

6、價(jià)中的一個(gè)重要問題。通過稀疏字典學(xué)習(xí)，得到的稀疏字典項(xiàng)具有清晰的結(jié)構(gòu)信息，這為使用稀疏表達(dá)進(jìn)行圖像質(zhì)量評(píng)價(jià)奠定了基礎(chǔ)。此外，通過構(gòu)建多層金字塔，克服稀疏表達(dá)無(wú)法捕獲跨尺度信息的缺點(diǎn)，利用最大化池化壓縮稀疏表達(dá)系數(shù)的維度，從而實(shí)現(xiàn)圖像模糊/鋒利程度預(yù)測(cè)。
　　本文充分利用圖像（視頻）數(shù)據(jù)的自有稀疏特性，針對(duì)圖像恢復(fù)和圖像質(zhì)量評(píng)價(jià)等多個(gè)典型問題，設(shè)計(jì)了更加有效的圖像恢復(fù)和質(zhì)量評(píng)價(jià)算法，并深入了分析圖像的稀疏特性，大量的實(shí)驗(yàn)結(jié)果表明了本