本文選題：稀疏表達 + 多尺度字典　； 參考：《華南理工大學》2016年博士論文

【摘要】：數(shù)字圖像(以下簡稱圖像)表達是圖像處理領(lǐng)域的基本問題。圖像內(nèi)容的有效表達是圖像處理應用開展的基礎。稀疏表達是一種新型的圖像信息表達理論,能夠?qū)D像進行簡潔地表達。稀疏表達引起了國內(nèi)外廣大學者的普遍關(guān)注,并對信號處理和分析產(chǎn)生了極為重要的影響。目前稀疏表達已被廣泛地應用到圖像處理、模式識別,自動測控等的多個領(lǐng)域。本論文研究了稀疏表達及其在圖像處理中的應用,主要研究工作和創(chuàng)新點歸納如下:(1)提出一個基于圖像幾何特征,結(jié)合自適應大小字典和Sparseland模型的圖像去噪算法。首先,對比四種圖像幾何特征劃分方法,找到合適的劃分方法。高斯平滑梯度的映射圖可把細節(jié)、紋理和平滑區(qū)域準確區(qū)分。然后,嘗試使用DCT字典作為稀疏字典,實驗表明,隨著自適應塊大小變化,峰值信噪比和“視覺效果”均有所不同。由于使用DCT字典去噪效果的不一致性,導致使用K-SVD字典作為稀疏字典。K-SVD算法中,實驗證明初始化字典的選擇是非常重要。實驗結(jié)果表明,使用隨機選擇的圖像子塊作為初始字典比使用DCT作為初始字典的結(jié)果更好。(2)基于FPC的思想,把固定點方程和預條件共軛梯度法相結(jié)合,提出一個新的l_1恢復算法,并對其收斂性進行證明。通過對稀疏信號恢復和l_1_ls、GPSR、NESTA、FPC等算法進行對比,所提出的算法獲得較小的l_2范數(shù)誤差和較快的速度。把算法應用到圖像去模糊、圖像分離和圖像修復問題上,并取得較好效果。(3)基于壓縮采樣匹配算法(Co Sa MP),提出一個對過完備字典的原子進行選擇算法,所選擇的少量原子可以對不同類的訓練圖像產(chǎn)生判別表達,其表達可作為圖像的低維特征,并應用于圖像分類。首先提出一個新的結(jié)合稀疏度和判別測量的目標函數(shù)。為了驗證目標函數(shù)的有效性,結(jié)合Co Sa MP算法,實驗驗證了判別Co Sa MP比重建Co Sa MP在同等準確率的情況下所需要原子更少。使用兩組不同的實驗數(shù)據(jù)來驗證所提出的算法的性能和魯棒性。為了驗證算法的魯棒性,算法分別在無噪聲、不同水平的噪聲和遮擋的情況下運行。實驗表明,所提出的算法既能夠處理具有低類內(nèi)變化的圖像數(shù)據(jù),也可以處理高類內(nèi)變化的圖像數(shù)據(jù)。所提出的算法使用比LDA更少的特征,獲得更高的準確率。(4)提出一個基于判別測量的壓縮感知測量特征選擇算法,并應用于圖像分類。所提出的算法把原始壓縮感知特征中冗余的特征進行刪除,以提高分類準確率及降低選取特征集的稀疏度。使用無噪聲的TU Darmstadt數(shù)據(jù)庫對算法進行測試,實驗結(jié)果表明使用特征集的子集比選擇全部特征有類似或更好的結(jié)果。(5)基于迭代硬閾值(IHT)算法,提出一個新的聯(lián)合稀疏表達模型重構(gòu)算法,所提出重建算法具有較低的計算復雜度。所提算法在采樣階段可以使用不同傳感矩陣。與Duarte等算法相比,所提出算法在相近的重構(gòu)率下,計算速度具有較大優(yōu)勢。隨著迭代次數(shù)的增加,所提算法對重建率和噪聲具魯棒性。
[Abstract]:The expression of digital image ( hereinafter referred to as image ) is the basic problem in the field of image processing . The effective expression of image content is the basis of image processing application . The sparse representation is a new kind of image information expression theory , which can be used widely in many fields such as image processing , pattern recognition , automatic measurement and control . ( 3 ) Based on the compression sampling matching algorithm ( Co Sa MP ) , a selection algorithm for the atomic number of overcomplete dictionary is proposed . The proposed algorithm can be used as low - dimensional feature of image , and it can be applied to image classification . The proposed algorithm can not only process the image data with low intra - class variation , but also can process the image data with higher accuracy .

【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 韓晨曦;魏經(jīng)緯;李冬梅;;基于壓縮傳感的模數(shù)轉(zhuǎn)換器設計[J];微電子學與計算機;2016年02期

2 尹艷玲;喬鋼;劉凇佐;周鋒;;基于基追蹤去噪的水聲正交頻分復用稀疏信道估計[J];物理學報;2015年06期

3 肖杰;盧濤;萬永靜;張東;;基于稀疏表達的圖像超分辨率算法實現(xiàn)[J];計算機與數(shù)字工程;2014年11期

4 王萌;孫樹棟;楊宏安;袁宗寅;;基于流形學習降維的決策分析算法[J];系統(tǒng)工程理論與實踐;2014年09期

5 楊鵬;閆飛;張勝輝;楊峰;;基于FOCUSS算法的稀疏陣列綜合[J];電子科技大學學報;2014年02期

6 邵超;萬春紅;;基于等距映射的監(jiān)督多流形學習算法[J];模式識別與人工智能;2014年02期

7 楊俊;謝勤嵐;;基于DCT過完備字典和MOD算法的圖像去噪方法[J];計算機與數(shù)字工程;2012年05期

8 雙小川;張克;;基于統(tǒng)計和結(jié)構(gòu)特征的手寫數(shù)字識別研究[J];計算機工程與設計;2012年04期

9 劉帥師;田彥濤;萬川;;基于Gabor多方向特征融合與分塊直方圖的人臉表情識別方法[J];自動化學報;2011年12期

10 楊海蓉;張成;丁大為;韋穗;;壓縮傳感理論與重構(gòu)算法[J];電子學報;2011年01期

相關(guān)博士學位論文 前1條

1 嚴春滿;圖像稀疏編碼算法及應用研究[D];西安電子科技大學;2012年

相關(guān)碩士學位論文 前5條

1 張勇杰;基于分塊KPCA和極限學習機的圖像分類識別研究[D];鄭州大學;2014年

2 冷亦琴;局部線性嵌入流形學習及其應用研究[D];蘇州大學;2014年

3 涂思怡;認知無線電中基于壓縮采樣的寬帶頻譜快速感知技術(shù)研究[D];南京航空航天大學;2013年

4 閆永帥;基于稀疏表示的高光譜遙感圖像分類[D];電子科技大學;2013年

5 朱曉峰;基于滑窗小波二叉樹的網(wǎng)絡異常檢測與分析[D];西安電子科技大學;2010年

，

本文編號：1804380