圖像處理中的塊先驗(yàn)理論及應(yīng)用研究.pdf

1、作為有力的和應(yīng)用廣泛的通信媒介，圖像已經(jīng)成為人類認(rèn)識(shí)物理世界的主要信息來源。圖像處理和理解成為當(dāng)今科學(xué)技術(shù)的重要組成部分。然而，由于成像系統(tǒng)的不完善、周圍環(huán)境的變化等因素的影響，圖像在形成、傳輸、記錄過程中會(huì)產(chǎn)生退化，導(dǎo)致信噪比(Signal-to-Noise Ratio，SNR)和分辨率降低、畸變、模糊等。圖像的退化嚴(yán)重影響了其實(shí)際應(yīng)用效果，圖像分析和理解需要消除這些影響。目前，主要有兩種方式:一是通過預(yù)處理對(duì)退化圖像進(jìn)行恢復(fù);二是在

2、圖像理解算法中考慮退化因素造成的偏差。
　　噪聲是導(dǎo)致圖像退化的主要因素之一，同時(shí)，圖像去噪模型很容易擴(kuò)展到去模糊等其它圖像恢復(fù)模型。因此，圖像去噪一直是圖像處理領(lǐng)域的研究熱點(diǎn)。城市變化檢測(cè)在城市演變、城市規(guī)劃、數(shù)字城市等領(lǐng)域有著非常重要的作用，由于高分辨率圖像可以提供更多的細(xì)節(jié)信息，近年來，基于高分辨率遙感圖像的城市變化檢測(cè)受到了更為廣泛的關(guān)注。
　　圖像處理算法可以在“塊”尺度上進(jìn)行，本論文旨在利用分塊思想和圖像塊先驗(yàn)提

3、高退化圖像的信噪比和多時(shí)相高分辨率（Very High Resolution，VHR）遙感圖像變化檢測(cè)的精度。本論文的主要?jiǎng)?chuàng)新性工作概括為以下四個(gè)部分:
　　第一部分研究受加性高斯白噪聲影響的高光譜圖像的恢復(fù)。結(jié)合主成分分析(Principal Component Analysis，PCA)能量集中的特性和字典學(xué)習(xí)對(duì)每個(gè)主成分圖像的自適應(yīng)性，提出了基于主成分分析和字典學(xué)習(xí)的高光譜遙感圖像去噪方法。該方法利用了高光譜圖像在變換域的圖

4、像塊的稀疏性先驗(yàn)。實(shí)驗(yàn)表明，新方法達(dá)到了更好的去噪效果，更好地保留了細(xì)節(jié)，有效抑制了斑塊效應(yīng)。
　　第二部分提出一個(gè)新的字典學(xué)習(xí)模型。圖像的光滑性先驗(yàn)假定圖像屬于某個(gè)光滑函數(shù)空間，圖像塊的稀疏性先驗(yàn)假定圖像塊可以在一組正交基、框架或者過完備字典下進(jìn)行稀疏表示。綜合以上兩種假定，提出圖像塊可以在光滑字典下進(jìn)行稀疏表示，建立了二階總廣義變差（Total Generalized Variation，TGV）正則的過完備字典學(xué)習(xí)模型，并將

5、其應(yīng)用于圖像中加性高斯白噪聲的去除。與已有字典學(xué)習(xí)模型相比，提出模型可以有效地控制字典原子的光滑性、更好地保留圖像的結(jié)構(gòu)，數(shù)值實(shí)驗(yàn)驗(yàn)證了提出模型的有效性。
　　第三部分研究受乘性Gamma噪聲污染的灰度圖像的恢復(fù)?；趫D像的光滑性先驗(yàn)、對(duì)數(shù)域圖像塊的自相似性和稀疏性先驗(yàn)，提出了基于相似塊組的乘性噪聲去除模型的新框架，同時(shí)考慮了3種重要的圖像/圖像塊先驗(yàn)。考慮高階奇異值分解(Higher Order Singular Value D

6、ecomposition，HOSVD)和總變差(Total Variation， TV)正則的互補(bǔ)性，給出了一個(gè)具體的乘性噪聲去除模型，分析了對(duì)應(yīng)的求解算法。實(shí)驗(yàn)結(jié)果表明，新模型在有效去除乘性噪聲的同時(shí)，可以更好地保留圖像的邊緣和紋理區(qū)域的細(xì)節(jié)信息。
　　第四部分研究多時(shí)相高分辨率遙感圖像變化檢測(cè)。利用圖像塊在特征空間下的相似性，提出了變化場(chǎng)的概念。變化場(chǎng)具有明確的物理意義，它將高維特征空間投影到3維變化特征空間。利用圖像塊在空間