發(fā)布時間：2025-03-26 18:35

　　圖像壓縮作為圖像處理領(lǐng)域相關(guān)研究內(nèi)容之一,如何對包含龐大數(shù)據(jù)量的圖像進行有效壓縮具有重要研究意義。本文主要針對字典學習在圖像壓縮領(lǐng)域中的一些不足進行深入研究,主要工作概括如下:1.考慮到聚能量字典學習算法在去噪能力和算法復(fù)雜度方面存在局限性,研究了一種基于去噪自編碼深度極限學習機和近似K奇異值分解的圖像壓縮算法。由于聚能量字典學習算法中存在去噪能力不足的問題,該算法利用去噪自編碼深度極限學習機獲取數(shù)據(jù)的高級特征表示,并通過近似K奇異值分解得到去噪字典,從而提高算法的整體去噪能力。此外,基于去噪自編碼深度極限學習機,結(jié)合近似K奇異值分解,能夠進一步降低傳統(tǒng)聚能量字典學習算法復(fù)雜度。仿真結(jié)果表明改進算法在去噪能力和復(fù)雜度方面優(yōu)于聚能量字典學習算法。2.針對目前張量信號處理中向量化會影響數(shù)據(jù)結(jié)構(gòu)問題,研究了一種基于字典降維的圖像壓縮算法。利用稀疏分解獲取輸入張量圖像的各維度字典矩陣與稀疏系數(shù)張量,同時對張量圖像進行Tucker分解得到核心系數(shù)張量和因子矩陣。在此基礎(chǔ)上通過稀疏系數(shù)張量和核心系數(shù)張量的近似關(guān)系建立一種特殊的張量稀疏表示形式,并引入聚能量字典學習算法對稀疏表示中字典降維以實現(xiàn)張量壓...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖3.5Lena重構(gòu)圖像(10,CR16)

(c)K-SVD圖像(d)DAK-SVD圖像圖3.5Lena重構(gòu)圖像(10,CR16)

圖3.6Boat重構(gòu)圖像(10,CR16)

30(c)K-SVD圖像(d)DAK-SVD圖像圖3.6Boat重構(gòu)圖像(10,CR16)

圖3.7House重構(gòu)圖像(10,CR16)

(c)K-SVD圖像(d)DAK-SVD圖像圖3.7House重構(gòu)圖像(10,CR16)表3.2PSNR(dB)與TIME(s)對比ImageParametersK-SVDProposedPSNR31.535832.3

圖3.8Boat重構(gòu)圖像(CR16)

(a)原始圖像(b)CDL圖像(c)本文算法圖3.8Boat重構(gòu)圖像(CR16)表3.3Boat重構(gòu)圖像對比(無噪)CR4163264PSNCDL35.2234.2630.5628.23Proposed

本文編號：4037637