基于壓縮感知理論的彩色圖像重構(gòu)方法的研究.pdf

1、隨著信息技術(shù)的持續(xù)進步，彩色圖像在生物醫(yī)學、航空航天、遙感測量、通信工程等領(lǐng)域扮演的角色愈加重要。然而，在圖像采集過程中，不可避免地要面臨噪聲混入、圖像失真、內(nèi)容缺失等問題，因此，對彩色圖像重構(gòu)技術(shù)的研究便顯得尤其重要。隨著圖像質(zhì)量的不斷提高，傳統(tǒng)的圖像處理技術(shù)由于奈奎斯特抽樣定理的理論限制，已很難適應(yīng)當今時代的需要。而一種新型的壓縮感知理論，因其根據(jù)信號自身所具有的稀疏性而非信號頻率來進行重構(gòu)，從而能以少量的采樣完成對原始信號的精確復(fù)

2、原?；谶@種直接采樣的特性，該理論在數(shù)字圖像處理領(lǐng)域具有明顯的優(yōu)勢。
　　本文以壓縮感知理論為理論基礎(chǔ)，將其運用到彩色圖像的去噪及超分辨率重構(gòu)的研究中。首先，運用數(shù)學手法對壓縮感知理論進行全面系統(tǒng)的闡述與分析，其中，根據(jù)具體實驗需要，著重闡述原始信號如何進行稀疏表示及所需滿足的條件，由此為實驗奠定理論基礎(chǔ)。具體研究中，面對一個含有噪聲的低分辨率輸入圖像，需要首先對輸入圖像去噪，以獲得不含噪聲的低分辨率輸入圖像，然后對此圖像進行超分

3、辨率重構(gòu)，來獲得最終的高分辨率輸出圖像。因此，全部實驗內(nèi)容分為以下兩部分。
　　在彩色圖像去噪實驗中，針對傳統(tǒng)去噪算法處理時間長，復(fù)原圖像質(zhì)量不佳等問題，本文采用改進型的K-SVD算法進行研究，將用于灰度圖像去噪的K-SVD算法進行改進來運用到彩色圖像的去噪工作中，以避免可能產(chǎn)生的假色現(xiàn)象，并在此基礎(chǔ)上將算法進一步延伸，使其能夠處理被強噪聲及無關(guān)紋理嚴重破壞的圖像，從而完成相關(guān)的修復(fù)工作。研究結(jié)果表明，基于稀疏表示的改進型K-SV

4、D算法，與傳統(tǒng)的主成分分析法相比，在去噪復(fù)原圖像的質(zhì)量和處理時間上，均具有明顯的優(yōu)勢。
　　在圖像超分辨率重構(gòu)實驗中，針對傳統(tǒng)插值類算法超分辨率重構(gòu)精度不高的問題，本文采用基于字典學習的重構(gòu)方法進行研究，根據(jù)低分辨率輸入圖像自身的稀疏性，聯(lián)合訓練低分辨率和高分辨率圖像塊的兩個字典，從而利用相關(guān)的字典生成高分辨率的輸出圖像。研究結(jié)果表明，與傳統(tǒng)的插值算法相比，本文的重構(gòu)算法在重構(gòu)的圖像質(zhì)量上有顯著優(yōu)勢，同時，該算法對于輸入圖像中可能