版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、稀疏分解是近幾年信號處理領(lǐng)域研究的熱點,它可以將信號表示成為一種稀疏的形式,從而引起了研究人員的重視。圖像壓縮是圖像處理中的重要環(huán)節(jié),它廣泛應(yīng)用于現(xiàn)代科學(xué)技術(shù)的多個領(lǐng)域。經(jīng)過多年的研究,人們已經(jīng)提出了多種圖像壓縮方法,并在許多領(lǐng)域取得了良好的應(yīng)用結(jié)果?,F(xiàn)有的圖像壓縮技術(shù)通常是基于正交變換的壓縮方法。但在圖像高壓縮比壓縮,即低比特率圖像壓縮時,壓縮圖像的恢復(fù)效果往往不太好。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。 基于
2、稀疏分解的良好特性,一維信號的稀疏分解被很快推廣應(yīng)用到圖像處理技術(shù)中。本文重點研究了稀疏分解在圖像壓縮領(lǐng)域中的應(yīng)用,并提出了一種基于圖像稀疏分解結(jié)果數(shù)據(jù)的壓縮編碼方案。 文中首先分析了圖像稀疏分解的思想,指出了圖像稀疏分解的特點和急待解決的問題。同時介紹了圖像稀疏分解結(jié)果的表示形式——圖像稀疏表示。 接下來,本文介紹了圖像稀疏分解最常用的算法——匹配跟蹤算法。與其它稀疏分解算法相比,圖像的匹配跟蹤算法易于理解,便于實現(xiàn),
3、但是依然存在計算量大的問題。所以本文使用遺傳算法來實現(xiàn)圖像基于匹配跟蹤的稀疏分解。單純的遺傳算法依然無法有效減少圖像稀疏分解的計算量,所以根據(jù)圖像稀疏分解的特點,本文采用的算法使用了多種優(yōu)化方法對遺傳算法做了改進,從而在計算量和重建圖像質(zhì)量之間取得了一個較好的平衡。 基于對圖像稀疏分解的分析,本文首先研究了圖像稀疏分解結(jié)果數(shù)據(jù)的分布規(guī)律,并在此基礎(chǔ)上提出了針對結(jié)果數(shù)據(jù)的量化、編碼方案。根據(jù)此量化、編碼方案,實現(xiàn)了基于稀疏分解的圖
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于信號稀疏分解的圖像壓縮編碼算法的研究.pdf
- 基于稀疏分解的地震數(shù)據(jù)壓縮編碼.pdf
- 圖像壓縮編碼算法研究.pdf
- 基于SPIHT算法的圖像壓縮編碼研究.pdf
- 紅外圖像壓縮編碼算法研究.pdf
- 票據(jù)圖像壓縮編碼算法的研究.pdf
- 基于小波的圖像壓縮編碼算法研究.pdf
- 基于圖像的壓縮編碼研究.pdf
- 基于directionlets變換的EZW圖像壓縮編碼算法研究.pdf
- 基于稀疏分解的超光譜圖像壓縮算法研究.pdf
- 靜態(tài)圖像壓縮編碼算法的若干研究.pdf
- 靜態(tài)圖像壓縮編碼算法的實現(xiàn)研究.pdf
- 基于零樹小波圖像壓縮編碼算法的研究.pdf
- 快速分形圖像壓縮編碼的算法研究
- 基于稀疏分解的圖像壓縮.pdf
- 快速分形圖像壓縮編碼的算法研究.pdf
- 基于壓縮傳感的SAR圖像壓縮編碼與重構(gòu)算法的研究.pdf
- 基于小波變換的圖像壓縮編碼算法的研究.pdf
- 二值圖像壓縮編碼算法的若干研究.pdf
- 分形圖像壓縮編碼關(guān)鍵算法研究.pdf
評論
0/150
提交評論