基于稀疏表示的圖像恢復(fù)

1.84萬字 45頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 圖像是一種重要的信息載體，為了確保信息的真實性，圖像必須清晰無污染。然而在成像和圖像傳輸過程中許多外界因素都會造成圖像的破損，導(dǎo)致信息丟失。圖像恢復(fù)是從破損的圖像中還原出原始清晰的圖像的過程，該技術(shù)應(yīng)用于國民經(jīng)濟和國防等眾多領(lǐng)域，如醫(yī)學(xué)圖像處理、氣象遙感、生物識別、安全監(jiān)控、目標(biāo)跟蹤等。因此研究圖像恢復(fù)技術(shù)對推動圖像處理技術(shù)的發(fā)展具有重要的理論意義。
近幾十年來，圖像恢復(fù)技術(shù)有了長足的發(fā)展。作為圖像的一種高效表示方法，基于稀疏表示的圖像恢復(fù)算法目前被廣泛應(yīng)用于圖像處理領(lǐng)域。對靈長目動物的視覺研究以及相關(guān)的生理實驗結(jié)果表明，使用超完備字典的稀疏表示是神經(jīng)信息群體分布表達的一種有效方法，并在理論上支持了基于稀疏表示算法對于圖像恢復(fù)的貢獻。與基于偏微分方程及基于紋理合成的圖像恢復(fù)算法相比，基于稀疏表示的圖像恢復(fù)算法對恢復(fù)過程中的噪聲干擾具有較強的抵抗能力，可以較好地恢復(fù)受損圖像和老舊照片，能夠恢復(fù)受損圖像的結(jié)構(gòu)性信息，尤其是對細紋理區(qū)域信息丟失的受損圖像，具有較好的魯棒性。
本文首先介紹了基于稀疏表示的圖像恢復(fù)的研究背景與意義，總結(jié)了稀疏表示的基本理論。在分析圖像稀疏表示模型的基礎(chǔ)上，針對稀疏表示模型的兩個核心問題稀疏分解算法與字典構(gòu)造方法進行了詳細研究，并綜述了相應(yīng)的經(jīng)典稀疏分解與字典學(xué)習(xí)方法。其次本文著重描述了基于K-SVD算法的圖像恢復(fù)方法，包括基于K-SVD字典的學(xué)習(xí)的基本原理及其具體算法實現(xiàn)。最后編寫相關(guān)的MATLAB程序，對真實圖像進行仿真實驗。通過比較恢復(fù)前后圖像的信噪比來衡量恢復(fù)結(jié)果的優(yōu)劣。此外，本文還對稀疏表示在圖像去噪、圖像恢復(fù)等圖像處理領(lǐng)域的應(yīng)用進行總結(jié)，討論了目前圖像稀疏表示研究中存在的一些問題，并給出了下一步的研究方向。


關(guān)鍵詞：圖像恢復(fù) 稀疏表示 字典學(xué)習(xí) K-SVD算法