圖像壓縮傳感中基于變換域和字典學(xué)習(xí)的稀疏表示研究.pdf

1、近年來(lái)提出的壓縮傳感理論顛覆了傳統(tǒng)的奈奎斯特理論,已成為信號(hào)處理領(lǐng)域研究的熱點(diǎn),然而,相關(guān)的研究畢竟還處于初步階段,進(jìn)一步探討如何提高壓縮傳感重構(gòu)準(zhǔn)確度,具有十分重要的意義。本文在深入學(xué)習(xí)壓縮傳感理論的基礎(chǔ)上,從其稀疏表示要求進(jìn)行了相應(yīng)研究,主要完成以下工作:
　　 (1)提出了在輪廓波變換域中,低頻部分進(jìn)行線性采樣,高頻部分構(gòu)成的塔式結(jié)構(gòu)按行/列進(jìn)行壓縮傳感,低頻線性采樣保留了重構(gòu)圖像的大部分信息,高頻稀疏,用較少的壓縮傳感測(cè)

2、量即可很好的重構(gòu)。實(shí)驗(yàn)表明該改進(jìn)算法的圖像貝葉斯壓縮傳感重構(gòu)圖像主、客觀質(zhì)量評(píng)價(jià)均得到提升。此外,指出進(jìn)一步提高壓縮傳感重構(gòu)準(zhǔn)確度必須尋找更有效的稀疏表示矩陣。
　　 (2)提出了一種K-SVD的改進(jìn)字典學(xué)習(xí)算法,將LARS算法用于字典學(xué)習(xí)的稀疏編碼階段,快速地獲取更加有效的稀疏表示;ASVD算法用于字典學(xué)習(xí)的字典更新階段,保證字典學(xué)習(xí)質(zhì)量的同時(shí)加快學(xué)習(xí)過(guò)程的收斂;此外,通過(guò)在字典學(xué)習(xí)稀疏編碼階段用一個(gè)自適應(yīng)稀疏約束停止準(zhǔn)則,獲

3、取更加有效的稀疏表示矩陣,并進(jìn)一步改善字典更新階段。實(shí)驗(yàn)結(jié)果表明改進(jìn)的字典學(xué)習(xí)算法相較于K-SVD算法,具有更加有效的圖像表示能力,用于壓縮傳感,獲得更有效的重構(gòu)圖像視覺(jué)效果和峰值性噪比。
　　 (3)結(jié)合輪廓波變換具有高度結(jié)構(gòu)性和快速算法,K-SVD算法學(xué)習(xí)字典能更有效表示圖像兩者的優(yōu)勢(shì),提出在輪廓波域下用K-SVD算法學(xué)習(xí)結(jié)構(gòu)性高頻字典。在圖像壓縮傳感過(guò)程中,對(duì)輪廓波低頻進(jìn)行線性采樣,高頻部分進(jìn)行結(jié)構(gòu)性高頻字典作為稀疏表示矩