基于稀疏表示理論的圖像處理關(guān)鍵技術(shù)研究.pdf

1、在信號分析理論的研究中，人們總是希望能夠用最“經(jīng)濟(jì)”的方式來表達(dá)信號。稀疏表示方法作為一種新興的信號表示方法，有效的實現(xiàn)了這一目的。所謂“稀疏”，即是絕大多數(shù)的表示系數(shù)均為零，只有少部分系數(shù)非零。而令人感興趣的是，這僅有的少數(shù)非零大系數(shù)足以揭示信號的本質(zhì)。因此，稀疏表示方法在國內(nèi)外都受到了廣泛的關(guān)注，一度成為眾多專家學(xué)者的研究熱點。同時，由于其與人類視覺成像機(jī)制的高度相似性，稀疏表示方法已在計算機(jī)視覺、模式識別、圖像處理、自動控制等多個

2、領(lǐng)域得到了廣泛的應(yīng)用。
　　本文的研究重點為稀疏表示理論及其在圖像處理中的應(yīng)用，圍繞多尺度幾何分析方法、字典學(xué)習(xí)理論、稀疏編碼、稀疏正則化方法以及它們在相關(guān)圖像處理技術(shù)中的典型應(yīng)用而展開，論文的主要研究成果及創(chuàng)新性表現(xiàn)在以下幾個方面：
　　（1）闡述了稀疏表示理論的基本概念，包括多尺度幾何分析方法和過完備字典稀疏表示方法，探究它們的定理、數(shù)學(xué)模型和計算方法，并討論這些稀疏表示方法在圖像處理問題中的典型應(yīng)用。
　?。?）

3、分析比較了小波（Wavelet）、曲線波（Curvelet）、輪廓波（Contourlet）、非下采樣輪廓波（Non-subsampled Contourlet）的基函數(shù)構(gòu)成方法、多維濾波器組、線狀奇異捕獲能力、方向性分析特性。提出了一種基于非下采樣輪廓波的熵測度融合算法，借鑒信息論中的剩余度概念，在傳統(tǒng)測度計算方法中添加由低頻系數(shù)構(gòu)造的掩膜，該方法同時考慮了高低頻系數(shù)對測度的影響，使測度的計算更為合理。同時，利用該變換的非下采樣特性，

4、可以進(jìn)行兩幅融合圖像的點對點處理，易于實現(xiàn)。
　?。?）通過研究多尺度分析在不同尺度捕獲信號不同特性的優(yōu)勢，借鑒多尺度分析概念，提出一種基于照度劃分的多尺度圖像增強(qiáng)方法，該方法引入韋伯視覺心理模型，將圖像劃分在不同的照度區(qū)域，根據(jù)不同照度區(qū)域的特性，選取不同的尺度函數(shù)組合捕獲不同照度區(qū)域內(nèi)的感興趣信息，提升增強(qiáng)圖像的視覺效果。
　?。?）結(jié)合多尺度分析方法與Retinex光照模型，提出一種基于非下采樣輪廓波的Retinex多

5、曝光圖像增強(qiáng)方法，方法中將傳統(tǒng)單幅圖像的二維Retinex模型擴(kuò)展至三維序列圖像.同時，該方法還采用非下采樣輪廓波的良好頻率帶通特性保護(hù)各圖像的邊緣信息，并從不同頻率成分中提取不同曝光時間圖像的曝光信息，將這些信息進(jìn)行組合并依據(jù)Retinex模型獲得增強(qiáng)圖像，達(dá)到去除反光面過飽和現(xiàn)象、提升視覺動態(tài)范圍的目的。
　　（5）根據(jù)對現(xiàn)有字典學(xué)習(xí)算法和經(jīng)典稀疏編碼方法的研究，提出了一種基于壓縮傳感的字典學(xué)習(xí)方法。該方法將字典作為一種特殊的

6、信號進(jìn)行稀疏表示，通過對字典進(jìn)行稀疏編碼，實現(xiàn)了由壓縮采樣的低維數(shù)據(jù)來學(xué)習(xí)高維字典的目的，并將其應(yīng)用在基于壓縮感知的圖像重構(gòu)問題中，使復(fù)原精度得到進(jìn)一步提高。
　　（6）提出了一種雙先驗約束的稀疏圖像復(fù)原方法。算法包括兩個主要的貢獻(xiàn)，一方面建立了一種同時具有全變差和非局部稀疏兩種約束的復(fù)原框架，使得該框架能夠發(fā)揮全變差的紋理復(fù)原作用以及非局部模型的幾何結(jié)構(gòu)保持作用；另一方面，為了求解該復(fù)原框架，還提出了一種修正的Split Bre