若干分類字典下形態(tài)分量分析算法與圖像修補應用研究.pdf

1、近年來，伴隨著圖像處理技術(shù)的迅猛發(fā)展，利用圖像的不同形態(tài)成分(如平滑成分、邊緣、紋理等)來進行自適應圖像分解已成為很多圖像處理任務(wù)，如圖像壓縮、重構(gòu)、去噪、修補和特征提取等的研究熱點。本文系統(tǒng)綜述了圖像形態(tài)分量分析(MorphologicalComponent Analysis：MCA)的研究現(xiàn)狀，詳細介紹了MCA的基本框架、系統(tǒng)模型等關(guān)鍵概念，依據(jù)Meyer的卡通紋理圖像模型和圖像超完備稀疏表示基礎(chǔ)理論，設(shè)計對應于圖像不同形態(tài)成分的過

2、完備稀疏表示分類字典，探索了基于Gabor感知函數(shù)的過完備稀疏表示分類字典的圖像形態(tài)分量分析問題、數(shù)值算法實現(xiàn)及在圖像修補領(lǐng)域的應用。
　　 本文的主要創(chuàng)新點包括：
　　 首先，基于圖像超完備稀疏表示模型與追蹤算法理論，研究了基于貪婪策略的追蹤算法，如匹配追蹤算法(MP)及其變種(OMP)，樹追蹤算法(TBP)，并對樹追蹤算法進行改進，設(shè)計了基于字典樹結(jié)構(gòu)的正交匹配追蹤算法(TOBP)。同時結(jié)合Gabor感知多成分字典，

3、分別使用MP、OMP、TBP和TOBP對圖像進行稀疏分解與重構(gòu)，并對這四種重構(gòu)算法的性能進行分析。實驗表明TBP和TOBP算法在圖像稀疏表示性能上逼近MP算法，同時還很大程度上減小了基于貪婪策略的追蹤算法用于圖像稀疏分解的計算和時間復雜度。
　　 第二，基于Gabor感知多成分字典與圖像MCA分析機理，給出了對應于圖像卡通成分和紋理成分的過完備稀疏表示分類子字典的設(shè)計，提出了基于Gabor感知函數(shù)的過完備稀疏表示分類字典的MCA