学位论文 > 优秀研究生学位论文题录展示

非负稀疏编码图像基学习算法研究

作　者: 晁永国
导　师: 戴芳
学　校: 西安理工大学
专　业: 计算数学
关键词: 图像基稀疏编码经验模态分解非负矩阵分解图像压缩
分类号: TP301.6
类　型: 硕士论文
年　份: 2009年
下　载: 96次
引　用: 0次
阅　读: 论文下载

内容摘要

图像基是图像表示的基本单元,利用图像基可以实现对图像的稀疏表示,这种表示非常适合于图像编码及低位率下的图像传输。同时,有了在图像基字典基础上建立起来的统一的图像表示形式,可以为图像表达和理解提供新的平台。稀疏编码是图像基学习的重要方法。将非负矩阵分解应用于稀疏编码而形成的非负稀疏编码方法,不仅可成功模拟哺乳动物V1区简单细胞感受野的三个特性,即空间的局部性、方向性和频域的带通性,而且更符合视觉机制,不会出现特征间的相互抵消现象,使得编码算法的实现更为简单。本文在深入分析和研究非负稀疏编码图像基学习算法的基础上,将图像的结构信息引入到非负稀疏编码中,提出了新的图像基学习算法。(1)提出了一种结合经验模态分解的非负稀疏编码图像基学习算法。利用经验模态分解技术对图像结构信息的良好提取能力,在构造的代价函数中加入了图像的结构信息保持项。在保证重构误差和系数矩阵稀疏性的前提下,有效提取了图像的结构特征,使学习得到的图像基不仅具有非负稀疏编码的特征,而且能更好地表示出图像的结构信息。(2)提出了基于图像基的图像编码方案,将非负稀疏编码图像基学习算法学习得到的图像基应用于图像压缩。图像可以通过图像基的线性组合来表示,这种表示可去除图像在空间域的相关性,使能量集中在少数的变换系数上。基于此,在编码阶段主要是寻找合适的图像基对图像进行表示,在解码阶段利用图像基和系数信息对图像进行重构。利用图像基对图像进行压缩,不仅可以获得较高的压缩比,而且能保证解码图像的质量。实验结果验证了算法的有效性。

全文目录

摘要  3-4
Abstract  4-8
1 绪论  8-13
  1.1 图像基学习的目的和意义  8-9
  1.2 国内外研究现状  9-12
  1.3 本文的主要工作  12-13
2 稀疏编码图像基学习  13-31
  2.1 稀疏编码图像基学习理论  13-23
    2.1.1 稀疏编码图像基学习数学基础  13-20
    2.1.2 稀疏编码图像基学习模型建立  20-23
  2.2 标准稀疏编码图像基学习算法实现  23-26
    2.2.1 数据预处理  23-24
    2.2.2 标准稀疏编码图像基学习实现步骤  24-26
  2.3 其他稀疏编码图像基学习模型  26-30
    2.3.1 基于峰度稀疏性测度的稀疏编码算法  26-28
    2.3.2 面向知觉任务的稀疏编码模型  28-30
  2.4 本章小结  30-31
3 嵌入结构信息的非负稀疏编码图像基学习  31-44
  3.1 非负稀疏编码  31-34
    3.1.1 非负矩阵分解  31-33
    3.1.2 非负稀疏编码模型  33-34
  3.2 引入结构信息的非负稀疏编码图像基学习算法  34-40
    3.2.1 结构信息的提取  35-38
    3.2.2 引入结构信息的非负稀疏编码模型  38-40
  3.3 实验结果  40-43
  3.4 本章小结  43-44
4 基于图像基的图像压缩  44-53
  4.1 图像压缩概述  44-48
    4.1.1 图像压缩的必要性和可能性  44-45
    4.1.2 图像压缩算法分类  45-47
    4.1.3 图像压缩编码的评价标准  47-48
  4.2 基于图像基的图像压缩算法  48-49
  4.3 实验结果与分析  49-52
  4.4 本章小结  52-53
5 总结与展望  53-55
致谢  55-56
参考文献  56-59
附录  59

非负稀疏编码图像基学习算法研究

内容摘要

全文目录

相似论文