基于核心原子庫和FHT的圖像稀疏分解快速算法及其應(yīng)用.pdf

1、隨著科技的發(fā)展和進步，人類社會已經(jīng)步入到信息時代，圖像和視頻等數(shù)字信息逐漸變得與生活密切相關(guān)。同時也就要求有能夠符合人眼視覺特性的高效精確的圖像表示方法，對圖像或視頻數(shù)據(jù)進行處理，以便能提高圖像壓縮和圖像放大等算法的性能。圖像的稀疏表示克服了正交分解的諸多缺點，又表現(xiàn)出符合人眼特性、簡潔和稀疏等優(yōu)點，因此成為圖像表示研究的熱點。匹配追蹤是圖像稀疏表示中最常用的一種算法，但是由于計算速度慢的原因，嚴重阻礙了匹配追蹤算法的實際推廣應(yīng)用。

2、r>　　 本文主要是針對圖像稀疏分解匹配追蹤算法中計算量大的問題。重點圍繞基于核心原子庫和FHT的MP圖像稀疏分解快速算法及其應(yīng)用等內(nèi)容開展了探索性的研究。
　　 論文首先介紹了一維信號和二維圖像信號的匹配追蹤算法的基本原理，并給出了圖像分解質(zhì)量的客觀評價標準。
　　 然后針對圖像稀疏分解的匹配追蹤算法中計算量大、計算時間長的問題。提出了一種基于核心原子庫和FHT的圖像MP稀疏分解快速算法，該算法首先利用核心原子庫替代

3、圖像MP稀疏分解過程中的過完備原子庫，不僅有效提高了原子庫的形成速度；然后將圖像和核心原子庫中原子轉(zhuǎn)換為一維信號；最后利用一維FHT尋找與待分解圖像匹配的最佳原子，從而提高了圖像與原子的匹配速度。該算法不僅能有效提高圖像MP稀疏分解速度，而且克服了遺傳算法局部最優(yōu)的局限性，實現(xiàn)了全局搜索，并獲得了較好的圖像分解質(zhì)量。
　　 其次論文分析了稀疏分解的結(jié)果數(shù)據(jù)中參數(shù)的含義，提出了基于核心原子庫和FHT的稀疏分解的圖像放大算法，該算法

4、首先將待放大圖像做基于核心原子庫和FHT的圖像MP稀疏分解，然后將分解結(jié)果數(shù)據(jù)中的原子系數(shù)做插值運算，最后利用插值后的原子參數(shù)進行重構(gòu)得到最后的放大圖像。該算法解決了圖像插值放大算法中存在邊緣模糊、方塊效應(yīng)、邊緣特征和細節(jié)信息丟失等問題，得到了較好的放大圖像質(zhì)量。
　　 最后論文通過分析稀疏分解結(jié)果數(shù)據(jù)的分布規(guī)律和范圍，提出了基于核心原子庫和FHT的稀疏分解的圖像壓縮算法，該算法首先將待壓縮圖像做基于核心原子庫和FHT的圖像MP