非局部組稀疏模型在圖像恢復(fù)中的研究.pdf

1、圖像作為信息存儲(chǔ)的一種表現(xiàn)形式，在日常生活應(yīng)用中發(fā)揮著重要作用。隨著計(jì)算機(jī)以及電子設(shè)備的日益普及，圖像在我們工作生活中隨處可見(jiàn)，通過(guò)圖像人們可以更加直觀的理解、表達(dá)信息，在衛(wèi)星電視、磁共振成像、地理信息系統(tǒng)、天文學(xué)等領(lǐng)域均有著廣泛的應(yīng)用。然而，由于傳感器內(nèi)部設(shè)備和外界光照環(huán)境的影響，圖像在采集、轉(zhuǎn)換和傳輸過(guò)程中不可避免地會(huì)丟失一些細(xì)節(jié)信息，進(jìn)而導(dǎo)致圖像失真。在過(guò)去的50年里用多元化的觀點(diǎn)解決圖像失真問(wèn)題有著巨大貢獻(xiàn)，空間自適應(yīng)濾波器、隨

2、機(jī)分析、偏微分方程、變換域方法、樣條函數(shù)和其他近似理論方法，形態(tài)分析、微分幾何、訂單統(tǒng)計(jì)，以及更多的方向和工具都在探索研究該問(wèn)題。
　　如何在信息不丟失的前提條件下對(duì)數(shù)據(jù)進(jìn)行降維是一個(gè)具有深遠(yuǎn)現(xiàn)實(shí)意義的挑戰(zhàn)性課題。稀疏表示已被證明可對(duì)高維數(shù)據(jù)進(jìn)行有效的表示，同時(shí)，圖像的非局部特性對(duì)細(xì)節(jié)信息有著較好的保護(hù)作用，近年來(lái)被廣泛應(yīng)用于圖像處理各領(lǐng)域，并取得了較好效果。本文以非局部組稀疏模型為基礎(chǔ)，分別從基于合成稀疏建模、基于分析稀疏建模兩

3、方面分別進(jìn)行圖像恢復(fù)研究工作。主要內(nèi)容包括以下三個(gè)方面:
　　(1)著力于解決K-SVD算法對(duì)初始字典的隨機(jī)選取問(wèn)題，考慮到稀疏編碼系數(shù)之間的高度相關(guān)性，各圖像塊之間可能存在著幾何結(jié)構(gòu)相似性。我們提出了基于稀疏表示的圖像分類(lèi)字典學(xué)習(xí)方法，對(duì)待處理圖像塊進(jìn)行聚類(lèi)并進(jìn)行類(lèi)字典學(xué)習(xí)，并在圖像去噪方面取得較好效果。
　　(2)考慮到圖像稀疏系數(shù)的非零元素之間往往存在著某種關(guān)聯(lián)性，那么，在不同梯度的圖像分析域中，稀疏向量的非零元素之間