基于稀疏與冗余表示法的圖像壓縮與重建.pdf

1、數(shù)字圖像壓縮在圖像處理領(lǐng)域中一直都是一個被廣泛關(guān)注的問題,其問題的核心在于是否能對圖像數(shù)據(jù)進行更加稀疏化的表示。一種好的圖像數(shù)據(jù)表示方法也就成為了研究人員研究的重點。
　　數(shù)字信號的過完備稀疏表示理論是近年來發(fā)展和成熟起來的一種新的數(shù)字信號表示理論,已被研究者用于數(shù)字圖像處理的各個方面,并成功用于數(shù)字圖像的壓縮,本文以此為基礎(chǔ)對基于稀疏表示的數(shù)字圖像壓縮問題展開相關(guān)研究。
　　圖像的稀疏表示可分為稀疏分解和字典學習兩過程:稀

2、疏分解是在過完備字典已知的情況下獲得表示系數(shù)的過程;而字典學習與稀疏分解相反,則是通過獲得的表示系數(shù)來更新過完備字典。這兩個過程的有效結(jié)合可以讓圖像稀疏分解的結(jié)果更加符合圖像特征,從而提高圖像的稀疏表示質(zhì)量?；诖藘蓚€過程的內(nèi)容,本文分析了各種傳統(tǒng)的稀疏分解和字典學習算法,并對其核心思想和性能差別進行了詳細的介紹和分析,形成了以O(shè)MP算法用于稀疏分解,結(jié)合K-SVD字典學習算法的圖像壓縮算法,并將此算法與傳統(tǒng)的壓縮算法進行比較。實驗結(jié)果

3、表明:該方法比傳統(tǒng)的圖像壓縮算法在高壓縮率下更具有優(yōu)勢。
　　另外,為了提高稀疏表示圖像壓縮算法的運算效率,本文以K-SVD圖像壓縮算法為基礎(chǔ),采用新的正交基聯(lián)合字典來構(gòu)成過完備字典,在新的字典的基礎(chǔ)上采用BCR算法來替代OMP算法用于圖像的稀疏分解,并將此稀疏表示方法用于圖像壓縮,形成了一種新的稀疏表示圖像壓縮算法。最后將此新方法與自適應的K-SVD圖像壓縮算法進行了比較試驗。實驗結(jié)果表明:雖然該算法與K-SVD算法相比,在壓縮