數(shù)字圖像差分進(jìn)化稀疏分解及壓縮.pdf

1、隨著社會(huì)信息化程度的不斷提高,圖像信息隨處可見(jiàn),而圖像壓縮作為圖像處理中的一個(gè)重要環(huán)節(jié),也被廣泛應(yīng)用于現(xiàn)代科學(xué)技術(shù)的多個(gè)領(lǐng)域。目前,人們已經(jīng)提出了多種圖像壓縮方法,并形成了一系列圖像壓縮標(biāo)準(zhǔn)。這些壓縮標(biāo)準(zhǔn)大都是基于圖像正交變換的,在高比特率壓縮時(shí)可以取得良好的效果,但在低比特率條件下的解碼圖像質(zhì)量卻不盡如人意,滿(mǎn)足不了人們的圖像壓縮需求。比如:JPEG壓縮標(biāo)準(zhǔn)一般在0.2bpp以下便會(huì)出現(xiàn)方塊效應(yīng),而JPEG2000壓縮標(biāo)準(zhǔn)則在低比特率

2、條件下會(huì)出現(xiàn)蚊式噪聲,因此需要發(fā)展一種在低比特率情況下有效的圖像壓縮方法。
　　 近年來(lái)興起的稀疏分解是一種非正交的分解,將圖像分解在過(guò)完備原子庫(kù)上從而得到圖像的稀疏表示,該表示結(jié)果非常簡(jiǎn)潔,也符合人眼的視覺(jué)特性。由于圖像稀疏分解的優(yōu)良特性,使其成為解決低比特率下圖像壓縮問(wèn)題的新途徑。
　　 本文則主要圍繞利用稀疏分解實(shí)現(xiàn)圖像壓縮這一問(wèn)題展開(kāi)研究,首先針對(duì)圖像稀疏分解中計(jì)算量大的問(wèn)題引入差分進(jìn)化算法,并對(duì)這種算法進(jìn)行深入

3、研究,從而得到圖像的稀疏表示,在此基礎(chǔ)上研究高效的編碼方法。本論文的主要工作及研究成果如下:
　　 (1)介紹了圖像稀疏分解的核心思想以及圖像的稀疏表示,并就圖像稀疏分解過(guò)程中計(jì)算量大的問(wèn)題引入差分進(jìn)化算法,給出基于差分進(jìn)化算法的圖像稀疏分解流程和實(shí)現(xiàn)過(guò)程。
　　 (2)為了在圖像稀疏分解之后得到高質(zhì)量的原子和投影分量信息,進(jìn)一步研究差分進(jìn)化算法,給出一種基于種群多樣性的差分進(jìn)化算法,并將其應(yīng)用到圖像稀疏分解。首先分析了

4、現(xiàn)有的五種不同差分策略的性能特點(diǎn),通過(guò)稀疏分解重建圖像質(zhì)量的對(duì)比選取最佳策略；其次充分考慮了尋優(yōu)過(guò)程中隨著迭代次數(shù)的增加,種群的多樣性不斷下降的問(wèn)題,以種群多樣性的度量值代替固定的迭代次數(shù)作為終止條件進(jìn)行尋優(yōu)。實(shí)驗(yàn)結(jié)果表明,與文獻(xiàn)[7]中基于粒子群算法的圖像稀疏分解方法及傳統(tǒng)差分進(jìn)化算法相比,同等條件下該算法可以有效的提高重建圖像的峰值信噪比,能更準(zhǔn)確、有效的得到圖像的稀疏表示。
　　 (3)根據(jù)圖像稀疏表示的六個(gè)分量的分布規(guī)律

5、,分析了傳統(tǒng)的排序差分編碼的不足,給出一種變碼長(zhǎng)編碼的壓縮算法。該算法首先對(duì)分解結(jié)果數(shù)據(jù)中的投影分量進(jìn)行排序差分處理,接著再對(duì)信息量比較大的差分分量、兩個(gè)平移分量和一個(gè)旋轉(zhuǎn)分量按照原子個(gè)數(shù)均各自分配一個(gè)碼長(zhǎng),而對(duì)于分布范圍比較小的兩個(gè)尺度分量采用定長(zhǎng)編碼。實(shí)驗(yàn)結(jié)果表明與文獻(xiàn)[7]中排序差分壓縮算法比較,同等條件下該算法在壓縮重建圖像峰值信噪比相同的情況下可以獲得更高的壓縮比,有效的減少了編碼冗余,提高了壓縮效率。
　　 (4)為