基于稀疏表示的圖像復(fù)原算法研究.pdf

1、在圖像的獲取過(guò)程中,經(jīng)常會(huì)出現(xiàn)視頻幀運(yùn)動(dòng)模糊、混入噪聲、分辨率下降等一系列降質(zhì)的狀況。這就意味著圖像中某些有用信息丟失,圖像的可用價(jià)值降低。而在公共管理、安防、醫(yī)療、軍事等領(lǐng)域,圖像給人們提供的信息至關(guān)重要,已經(jīng)是社會(huì)發(fā)展不可或缺的工具。所以,對(duì)圖像的降質(zhì)部分進(jìn)行信息的復(fù)原,以獲得質(zhì)量較高的清晰圖像是很有必要的。
　　本文結(jié)合最新的稀疏理論,主要對(duì)圖像的去噪和超分辨率進(jìn)行研究。
　　稀疏理論常用于信號(hào)降維,二維的圖像經(jīng)過(guò)稀疏

2、分解即可用少量的字典原子線性表示。鑒于字典在稀疏算法中的重要性,本文對(duì)稀疏字典的學(xué)習(xí)算法進(jìn)行了研究。主要將字典分為三類:基本的變換基、冗余的全局字典和冗余的局部字典,然后對(duì)這三類字典的學(xué)習(xí)方法進(jìn)行仿真,并且將其應(yīng)用到圖像的去噪處理中。
　　稀疏的圖像去噪算法認(rèn)為圖像可被稀疏分解而噪聲不能被稀疏分解。利用這一特點(diǎn),通過(guò)稀疏表示來(lái)去除圖像噪聲。本文分別對(duì)基于DCT變換基、基于KSVD全局字典、基于KLLD局部字典的稀疏去噪算法進(jìn)行了仿

3、真。
　　鑒于冗余字典稀疏算法的優(yōu)越性,本文將該算法應(yīng)用到單幀的圖像超分辨率中。考慮到圖像超分辨重建特點(diǎn),建立一個(gè)清晰圖像的樣本庫(kù),并通過(guò)不同的學(xué)習(xí)法分別得到高、低分辨率字典。本文對(duì)三種全局字典的學(xué)習(xí)法進(jìn)行仿真分析,即初始樣本小塊字典法、拉格朗日對(duì)偶訓(xùn)練法、KSVD訓(xùn)練法。
　　考慮到全局字典算法在細(xì)節(jié)圖像中的局限性,本文將圖像分類的思想和Dual字典學(xué)習(xí)法進(jìn)行結(jié)合提出了一種改進(jìn)的算法,即Dual_KLLD算法。對(duì)于細(xì)節(jié)圖像