基于改進K-SVD字典的壓縮光場重構(gòu)與圖像去噪研究.pdf

1、海量數(shù)據(jù)處理是現(xiàn)代信號處理的挑戰(zhàn)之一，已成為當下的研究熱點。本文基于壓縮感知理論和光場成像，較詳細的總結(jié)歸納了目前在該領(lǐng)域的研究成果，并分析存在的難點與問題，改進了基于K-SVD字典的壓縮光場重構(gòu)與強噪聲圖像去噪。本文主要工作成果如下:
　　1.研究了壓縮感知理論的基本數(shù)學(xué)框架，即稀疏表示、測量矩陣和重構(gòu)算法，并利用數(shù)值仿真詳細分析了稀疏表示和重構(gòu)算法的數(shù)學(xué)模型，歸納了各類模型的適用條件。
　　2.改進了K-SVD字典去噪算

2、法，給出了基于K-SVD字典的梯度重權(quán)非局部平均算法?？紤]到強噪聲圖像的情況下，利用改進算法對強噪聲圖像去噪。改進算法基于K-SVD字典學(xué)習的數(shù)學(xué)模型，對原信號疊加了結(jié)構(gòu)約束，利用全變分算法求得圖像的結(jié)構(gòu)梯度，對邊緣信息賦予更高權(quán)重，結(jié)合了圖像結(jié)構(gòu)的稀疏先驗性和相似性，以求解優(yōu)化的逆問題。利用數(shù)值仿真，對比了改進算法和傳統(tǒng)的K-SVD字典去噪性能，當噪聲標準差高達50時，輸入噪聲信噪比為7.954dB，改進算法去噪效果最好，且峰值信噪比

3、優(yōu)于傳統(tǒng)去噪算法0.2dB、結(jié)構(gòu)相似度改善了0.02;當噪聲標準差達到100時，輸入噪聲信噪比為1.961dB，改進算法仍優(yōu)于傳統(tǒng)算法，驗證了改進算法在輸入噪聲信噪比為7.954dB到1.961dB范圍內(nèi)去噪效果優(yōu)勢最明顯。同時，對比了不同類圖像的實驗結(jié)果，驗證了改進算法能更好保留原圖像的輪廓細節(jié)，更適用于處理涵蓋少量紋理信息而大量輪廓信息的圖像。
　　3.改進了套索回歸重構(gòu)算法，推導(dǎo)、分析了優(yōu)化閾值估計，利用優(yōu)化閾值的套索回歸算

4、法來重構(gòu)光場。研究了光場成像的數(shù)學(xué)框架:光場信息的函數(shù)化、編碼光場的采集、壓縮光場重構(gòu)。重點研究壓縮光場重構(gòu)，利用K-SVD字典獲得光場原子，并采用改進的優(yōu)化閾值的套索回歸算法，實現(xiàn)了光場的重構(gòu)。分析討論了改進算法與傳統(tǒng)的求解l1范數(shù)問題的算法的差異，對5×5的原光場信息重構(gòu)，在灰度圖像處理和彩色圖像處理的不同結(jié)果中，證明了改進算法更適用于高維信號，與傳統(tǒng)的求解l1范數(shù)算法比較，具備較高重構(gòu)精度和較快收斂速度，然而，改進算法卻縮小了重構(gòu)