稀疏分解在交通圖像壓縮中的應用.pdf

1、隨著經濟建設的快速發(fā)展，城市交通問題日益嚴重，迫切需要采用現代化的管理手段來規(guī)劃管理交通，于是引起了對智能交通系統的研究。在智能交通系統中，圖像信息因其直觀、內容豐富，一直作為重要信息被采集和利用。但基于正交變換的圖像壓縮算法無法很好的滿足對大容量、高質量的交通圖像進行實時傳輸的要求，從而限制了智能交通系統的廣泛應用。
　　 近年來興起的稀疏分解成為圖像處理領域研究的熱點，它是一種非正交的分解，將圖像分解在過完備原子庫上，分解結

2、果非常簡潔。由于圖像稀疏分解的優(yōu)良特性，使其成為解決低比特率下圖像壓縮問題的新途徑。
　　 針對智能交通系統中圖像壓縮問題，本文引入稀疏分解方法，并根據交通圖像特點，圍繞交通圖像壓縮問題進行研究。首先對交通圖像的背景和局部相似性特點進行研究，然后對交通圖像進行稀疏分解，最后根據稀疏分解結果數據分布規(guī)律，研究高效的編碼算法。論文的主要工作及研究成果如下：
　　 1、介紹了圖像稀疏分解的核心思想以及圖像的稀疏表示，針對圖像稀

3、疏分解計算量大的問題，采用基于粒子群算法的圖像稀疏分解快速算法對交通圖像進行了稀疏分解。
　　 2、針對現有的排序差分算法的不足，給出了交通圖像背景差分壓縮算法。該算法利用交通圖像背景相似特點，首先對交通圖像進行背景差分預處理，然后進行稀疏分解，最后根據分解結果數據分布規(guī)律，設計編碼方案。仿真實驗結果及分析表明：該算法有效減少了交通圖像背景信息冗余，與排序差分算法相比，在相同壓縮比下，該算法提高了解碼圖像的峰值信噪比和圖像主觀視

4、覺效果。
　　 3、為了更有效的對交通圖像壓縮，給出了基于原子參數預測和量化的交通圖像壓縮算法。該算法首先利用交通圖像背景和局部相似特點，對每次分解的原子參數進行預測，然后根據原子參數量化誤差對重建圖像質量的影響規(guī)律，設計了對原子參數預測誤差的量化和編碼方案。仿真實驗結果表明，該算法有效的減少了原子參數編碼冗余，與排序差分算法和交通圖像背景差分壓縮算法相比，在相同壓縮比下，提高了解碼圖像的峰值信噪比和主觀圖像視覺效果。
　

5、　 4、為了構造有效的交通圖像表示方法，給出了交通圖像分層壓縮算法。該算法將分層思想引入到交通圖像的稀疏表示和編碼過程中，并根據交通圖像局部和背景相似的特點，首先分解一批相同背景的交通圖像，以分解后的原子參數構建原子庫，以構建原子庫代替過完備庫，采用貪心算法對交通圖像進行稀疏分解。采用多級樹集合分裂算法對稀疏分解后的殘差圖像進行編碼。并對算法的性能進行仿真驗證。與基于原子參數預測和量化的交通圖像壓縮算法、多級樹集合分裂算法，交通圖像背