圖像信息的基函數(shù)表示方法研究.pdf

1、圖像信息表示方法是圖像處理技術研究的核心內(nèi)容。在基于生成模型的圖像信息表示方法中，通過采用一組基函數(shù)的線性疊加來模擬圖像的產(chǎn)生過程，將原始圖像變換為基函數(shù)空間的投影系數(shù)表示，來揭示圖像的內(nèi)在結構，從而更有效地進行圖像識別、降噪與壓縮。圖像信息的描述能力很大程度上取決于基函數(shù)的選擇，相比傳統(tǒng)的預先設定的基函數(shù)，通過學習算法獲得與圖像特性相匹配的基函數(shù)能夠?qū)崿F(xiàn)對圖像信息更有效的描述?；诨瘮?shù)的圖像信息表示方法研究是目前圖像處理技術的前沿課

2、題，涉及到統(tǒng)計學、幾何學、圖像處理與分析、模式識別、視覺生理學等眾多學科。 本文以圖像的生成模型為基礎，結合獨立分量分析模型和小波分析模型，研究圖像信息的基函數(shù)表示方法及其關鍵問題。研究了圖像在基函數(shù)張成的高維空間中投影系數(shù)的統(tǒng)計特性；利用具有一定約束條件的基函數(shù)模型描述圖像中物體的復雜結構信息；通過基函數(shù)參數(shù)的學習，構造具有自適應特性的圖像基函數(shù)模型。 本文的主要工作如下： (1)綜述了圖像信息基函數(shù)表示方法的

3、研究現(xiàn)狀，分析了傅立葉變換、小波和獨立分量分析等圖像基函數(shù)表示方法的優(yōu)缺點，引出了對基函數(shù)及其投影系數(shù)的統(tǒng)計描述和條件約束，以利于圖像信息有效表示的研究思路。 (2)分析了圖像的獨立分量分析模型中，圖像信息的表示系數(shù)滿足非高斯分布的特點，研究了高階統(tǒng)計量在特征提取中的作用，提出利用二階統(tǒng)計量與高階統(tǒng)計量的聯(lián)合矩描述投影系數(shù)的概率分布特征，有效地實現(xiàn)了多類紋理分類。 (3)在平均場獨立分量分析模型中，結合局部非負特性對基函

4、數(shù)的約束，提出了局部非負的平均場獨立分量分析方法，利用所得到的稀疏性基函數(shù)用于基于部件的物體識別，取得了較好的識別性能。 (4)融合了獨立分量分析與小波變換的基函數(shù)構建方法，提出基于自適應基函數(shù)的稀疏小波模型。采用Lattice結構構造自適應小波基，通過對小波分解的子帶系數(shù)進行稀疏性的限制，將圖像基函數(shù)的學習轉化成一組低維的小波基函數(shù)參數(shù)的優(yōu)化問題，從而減少基底函數(shù)估計的不確定性，有效增強模型對圖像真實的統(tǒng)計獨立結構的描述能力。