圖像處理中的Grouplet變換方法研究.pdf

1、本論文在國(guó)家自然科學(xué)基金(51261024,51675258)、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFF0203000)、江西省教育廳科學(xué)技術(shù)研究項(xiàng)目(GJJ150699)和廣東省數(shù)字信號(hào)與圖像處理技術(shù)重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(2014GDDSIPL-01)共同資助下，圍繞Grouplet變換為中心，針對(duì)圖像重構(gòu)、圖像去噪、圖像融合方面展開(kāi)研究，結(jié)合新的壓縮采樣理論，提出一系列新的算法，并取得了一些創(chuàng)新性的成果。本文的主要內(nèi)容包括以下幾方面：

2、r>　　第一章，詳細(xì)論述了結(jié)合 Grouplet變換與壓縮感知的必要性、本課題的提出及其研究意義，系統(tǒng)介紹了超小波的發(fā)展及研究進(jìn)展，尤其是 Grouplet變換的國(guó)內(nèi)外研究現(xiàn)狀，最后給出了本文的主要內(nèi)容和創(chuàng)新之處。
　　第二章，結(jié)合Grouplet變換與壓縮感知算法各自的優(yōu)點(diǎn)，提出了基于Grouplet-壓縮感知(Grouplet-CS)的圖像重構(gòu)方法。該方法的特色在于充分將Grouplet變換稀疏表示融合于壓縮感知中，既最大限度

3、的利用圖像的幾何特征，又消除了傳統(tǒng)奈奎斯特采樣理論造成的冗余與資源的浪費(fèi)，可以進(jìn)一步挖掘圖像的方向、尺度等的紋理信息，使得即使很少的采樣點(diǎn)數(shù)也可恢復(fù)出較清晰的圖像質(zhì)量。通過(guò)對(duì)Lena仿真與SAR圖像的重構(gòu)中，與小波變換壓縮感知方法進(jìn)行對(duì)比分析，證明了該方法一方面降低了傳統(tǒng)方法的稀疏度和采樣率，另一方面還提高了圖像的重構(gòu)質(zhì)量。另外，還對(duì)不同的重構(gòu)方法進(jìn)行了對(duì)比，研究表明在相同的Grouplet稀疏表示和相同的壓縮比下，ROMP算法整體優(yōu)于

4、OMP算法。
　　第三章，引入貝葉斯壓縮感知的思想，在傳統(tǒng)貝葉斯變分算法的基礎(chǔ)上經(jīng)過(guò)改進(jìn)，提出了適合二維的新的變分貝葉斯壓縮感知重構(gòu)算法，并結(jié)合Grouplet變換在稀疏表示方面的優(yōu)勢(shì)，提出了Grouplet-貝葉斯壓縮感知(Grouplet-BCS)算法。提出的算法主要針對(duì)實(shí)際中圖像會(huì)夾雜有噪聲的情況，針對(duì)是否含噪以及含噪強(qiáng)度的大小選擇Grouplet-BCS算法來(lái)自適應(yīng)地降噪。經(jīng)過(guò)Lena仿真研究，以及將其用于SAR圖像的消噪

5、中，并且與Grouplet-CS算法作比較，證明了提出的算法不僅降低了噪聲對(duì)圖像的污染，而且也在重構(gòu)精確度方面有顯著提高。
　　第四章，論述了小波閾值消噪的特點(diǎn)以及存在的缺陷，針對(duì)小波閾值消噪中存在的問(wèn)題，提出自適應(yīng)Grouplet閾值消噪，并詳細(xì)論證了其消噪原理和算法過(guò)程。在此基礎(chǔ)上，提出了自適應(yīng)Grouplet-CS算法和自適應(yīng)Grouplet-BCS算法，并將其用于圖像消噪中。通過(guò)仿真實(shí)驗(yàn)，將幾類算法與傳統(tǒng)的小波閾值消噪方法

6、作對(duì)比，以及將其用于SAR圖像中，分析各種方法的適用性。
　　第五章，利用Grouplet變換可以消除圖像的大冗余，在圖像的各尺度方向、紋理上的深度挖掘的優(yōu)勢(shì)，結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)可以從復(fù)雜背景下獲得有利信息的特點(diǎn)，提出了Grouplet-PCNN融合算法。通過(guò)與PCNN、NSCT-PCNN以及小波-PCNN做仿真對(duì)比，證明了經(jīng)過(guò)Grouplet-PCNN融合算法得到的融合圖像信息是最豐富全面的，像素也是最高的，各紋理