基于低秩稀疏的圖像序列增強(qiáng)技術(shù)研究.pdf

1、數(shù)字圖像序列（包括圖像、圖像序列等）作為記錄、傳輸和存儲信息的一種實體，在人類感知中扮演了十分重要的角色，被廣泛應(yīng)用于國防安全、地質(zhì)勘探、農(nóng)林漁業(yè)、科學(xué)研究，以及人們的日常生活等各個領(lǐng)域。然而，數(shù)字圖像序列在獲取、傳輸和存儲的過程中，經(jīng)常受到一些降質(zhì)因素的影響，導(dǎo)致質(zhì)量退化。因此圖像序列增強(qiáng)技術(shù)一直是信號處理領(lǐng)域的研究熱點(diǎn)之一，旨在恢復(fù)或增強(qiáng)圖像序列的質(zhì)量，幫助人們從圖像序列中更準(zhǔn)確有效地獲取信息。
　　隨著對圖像序列增強(qiáng)技術(shù)的不

2、斷深入研究，人們意識到充分挖掘圖像序列的特性對于增強(qiáng)技術(shù)的性能提升起到至關(guān)重要的作用。圖像序列的一些重要特性，例如低秩性和稀疏性，可以以凸約束描述的形式被應(yīng)用于圖像序列增強(qiáng)的問題建模中。同時，近些年蓬勃發(fā)展的凸優(yōu)化理論和算法，也為該問題的研究提供了強(qiáng)有力的支持。本論文基于對圖像序列的低秩特性和稀疏特性的挖掘，選取了去噪和超分辨率重建這兩個典型的圖像序列增強(qiáng)問題展開研究。論文的主要工作及創(chuàng)新點(diǎn)如下:
　　(1)提出了一種具有一定通用

3、性的基于低秩稀疏的圖像序列兩步去噪方法。首先，本文通過分析圖像序列的特性，發(fā)現(xiàn)信號分量有非常強(qiáng)的幀間相關(guān)性，而噪聲分量具有稀疏特性。將三維圖像序列重新組織成二維矩陣的形式，則相應(yīng)的信號分量矩陣具有低秩性，噪聲分量矩陣具有稀疏性。因此在去噪方法的第一步中，分別以低秩和稀疏作為信號分量與噪聲分量的合理約束描述，將兩個分量進(jìn)行初步分離。然后，考慮到圖像序列中存在局部的瞬變的信號分量，因為違反了矩陣的低秩性但卻具有稀疏性，被錯誤地分解進(jìn)入噪聲分

4、量矩陣。圖像具有一定的空間相關(guān)性，因此在去噪方法的第二步中，將初步得到的噪聲分量矩陣還原成三維圖像序列的形式，分別以空間平滑和稀疏作為空間特性補(bǔ)償信號分量與噪聲分量的合理約束描述，對各幀圖像分別進(jìn)行矩陣再分解。將第一步得到的信號分量與第二步得到的空間特性補(bǔ)償分量相疊加，即得到最終的圖像序列去噪結(jié)果。
　　(2)提出了一種基于低秩稀疏的高光譜圖像去噪方法和一種基于低秩稀疏的生命細(xì)胞鈣熒光圖像序列去噪方法。在(1)的研究基礎(chǔ)上，本文以

5、高光譜圖像和生命細(xì)胞鈣熒光圖像序列為例，將提出的圖像序列兩步去噪方法分別作有針對性的細(xì)化:一方面，本文進(jìn)一步分析了高光譜圖像的特性，發(fā)現(xiàn)噪聲水平在不同波段上的差異較大，即噪聲分量矩陣的稀疏性是結(jié)構(gòu)性的列稀疏性，因此需要用混合范數(shù)l2,1來約束。本文提出的高光譜圖像去噪方法利用了高光譜圖像的信號低秩與噪聲稀疏的特性，實驗結(jié)果表明，該方法能達(dá)到較高的去噪性能，并且對高光譜圖像中存在的各種類型的噪聲均適用，不需要作任何理想化的假設(shè)，具有較好的

6、通用性。另一方面，大量光子噪聲隨機(jī)地分布于鈣熒光圖像序列之中，即噪聲分量矩陣的稀疏性是全局統(tǒng)一的稀疏性，因此用l1范數(shù)來約束。本文進(jìn)一步分析了鈣熒光圖像序列的特性，發(fā)現(xiàn)細(xì)胞結(jié)構(gòu)的位置、形狀基本固定不變，因此在臨近點(diǎn)算法中引入權(quán)重矩陣W，來幫助區(qū)分光子噪聲和同樣以點(diǎn)狀形式閃現(xiàn)的信號。本文提出的生命細(xì)胞鈣熒光圖像序列去噪方法利用了鈣熒光圖像序列的信號低秩與噪聲稀疏的特性，實驗結(jié)果表明，該方法能有效去除光子噪聲，提升觀察鈣離子活動的準(zhǔn)確性。<

7、br>　　(3)提出了一種基于低秩稀疏的圖像超分辨率重建方法。首先，自然圖像中經(jīng)常包含重復(fù)的或相似的微結(jié)構(gòu)，這種非局部的自相似性是很重要的先驗知識。將相似的圖像塊重新組織成矩陣形式，該矩陣具有天然的低秩性。通過將這種低秩性與圖像觀察模型相結(jié)合，可以得到初步的超分辨率重建圖像。然后，一個向量形式的圖像塊可以被過完備字典的原子稀疏地線性表示。通過強(qiáng)制高分辨率圖像塊與低分辨率圖像塊享有相同的稀疏表示系數(shù)，可以聯(lián)合學(xué)習(xí)出一對過完備字典。利用這對