基于結(jié)構(gòu)化稀疏的圖像恢復(fù)算法研究.pdf

1、在圖像復(fù)原技術(shù)領(lǐng)域，稀疏編碼已經(jīng)成為了國內(nèi)外學(xué)者研究的重點。結(jié)構(gòu)化稀疏理論則是近年來國內(nèi)外學(xué)者基于早先的稀疏化理論發(fā)展而來的最新研究成果。結(jié)構(gòu)化稀疏理論是對一些善于運用圖像先驗結(jié)構(gòu)信息的稀疏化理論方法的統(tǒng)稱。結(jié)構(gòu)化稀疏方法利用圖像所特有的先驗結(jié)構(gòu)信息，能有效提高圖像恢復(fù)精度，并縮短恢復(fù)處理時間，是理想的圖像處理算法理論。
　　本文主要針對構(gòu)成結(jié)構(gòu)化稀疏理論的幾個關(guān)鍵點進行研究，通過不同的角度入手，嘗試將結(jié)構(gòu)化先驗知識加入到原有的稀

2、疏算法理論模型中，并取得了一定的研究成果。其主要創(chuàng)新點體現(xiàn)在以下幾個方面：
　　(1)針對原有MRI稀疏算法成像慢，數(shù)據(jù)采集量大等缺點，結(jié)合小波閾值方法和MRI所特有的四叉樹形結(jié)構(gòu)，將小波樹形結(jié)構(gòu)加入到原有的全變分模型中。實驗數(shù)據(jù)表明新算法能利用更少的數(shù)據(jù)恢復(fù)出更精確地圖像結(jié)構(gòu)，算法具有良好的普適性和魯棒性，在對自然圖像的恢復(fù)實驗中其表現(xiàn)也相當(dāng)出色。
　　(2)全變分模型具有保留圖像邊緣信息的優(yōu)越性能，但全變分模型有各向異性

3、和各向同性兩種算法，且兩者都還存在著不少缺陷。本文基于大量自然圖像統(tǒng)計信息的幫助，將兩類全變分算法相結(jié)合，加入調(diào)節(jié)參數(shù)α，提出了混合全變分方法。實驗數(shù)據(jù)表明，新算法恢復(fù)的圖像輪廓更清晰，灰度分布更均勻，肉眼視覺效果更好，處理速度更快。
　　(3)在稀疏圖像復(fù)原方面，分塊字典學(xué)習(xí)有著不可替代的重要地位。但原有的字典學(xué)習(xí)算法，計算復(fù)雜度高，恢復(fù)圖像代價大。為了克服這些缺點，我們利用圖像的自相似性對圖像進行了分塊處理。實驗數(shù)據(jù)表明，相較