圖像稀疏編碼算法及其應用研究.pdf

1、圖像處理技術已成為人類生活與生產(chǎn)實踐不可或缺的重要信息獲取手段，已廣泛應用于空間技術、醫(yī)學影像、遙感圖像處理、工業(yè)控制、文化藝術、計算機視覺、視頻與多媒體系統(tǒng)、科學可視化、電子商務等眾多領域。生物視覺系統(tǒng)是一種高效的圖像處理系統(tǒng)。隨著腦科學研究的不斷發(fā)展，人類對生物視覺系統(tǒng)的研究逐步深入，從初級視皮層到高級視覺區(qū)域，從初級視覺感知到高級知覺組織等，都取得了許多重要的研究成果。
　　從視網(wǎng)膜接收到光刺激作為輸入信號開始，視覺系統(tǒng)利用

2、一套完整的信息處理機制對輸入圖像進行處理和加工。盡管我們尚未透徹了解生物視覺系統(tǒng)的工作機制，但視覺信息處理過程的“稀疏編碼”特性已證實了其合理性及有效性。廣義的視覺圖像稀疏編碼特性是一種符合生物進化過程能量最節(jié)約原則的視覺信息表達方式。圖像處理的稀疏編碼算法及應用正是基于這一生物學背景而發(fā)展起來的一種高效信息處理技術。已有的研究成果表明:有效的視覺信息稀疏編碼系統(tǒng)一般具有多分辨、臨界采樣及過完備性;用于表示圖像的基函數(shù)具有局部性、帶通性

3、、方向性、各向異性等特點?；谶@些規(guī)律，本文以圖像稀疏編碼算法的應用為重點，研究了圖像信息的基本稀疏編碼模型、基于優(yōu)化Gabor字典的圖像稀疏編碼算法、基于過完備稀疏表示的圖像處理及應用、基于多分辨分析理論的圖像稀疏表示及應用，以及視覺皮層脈沖耦合神經(jīng)網(wǎng)絡模型及應用。所取得的研究成果如下:
　　1.提出了一種基于優(yōu)化Gabor字典的圖像稀疏編碼算法。圖像稀疏表示的關鍵問題之一是如何構造有效的過完備字典。二維Gabor函數(shù)具有良好的

4、局部性、方向選擇性及空間頻率選擇性等特點，可有效模擬視覺皮層V1區(qū)簡單細胞的感受野特性。以Gabor函數(shù)為原子生成函數(shù)構造的過完備字典能匹配圖像中的邊緣、紋理等幾何機構，可實現(xiàn)圖像的有效表示。但該字典仍存在原子數(shù)量巨大，匹配追蹤算法計算開銷大等問題。針對這些不足，提出了一種基于優(yōu)化Gabor字典的圖像稀疏編碼算法。新算法主要采用兩種策略對上述問題做一改進:其一是采用圖像重疊分塊的策略，以有效減少輸入樣本的長度;其二是采用粒子群優(yōu)化算法（

5、Particle Swarm Optimization，PSO），模擬視皮層神經(jīng)元的競爭機制，以輸入樣本在Gabor原子上投影的模值為適用度值，以優(yōu)化求解最匹配Gabor原子的自由度參數(shù)代替在大規(guī)模字典上的搜索過程，最后在優(yōu)化所得的Gabor字典上采用正交匹配追蹤(Orthogonal Matching Pursuit，OMP)算法完成圖像的稀疏分解。實驗結果驗證了所提算法的有效性，算法在較低時間復雜度的前提下可獲得較高的重建圖像質(zhì)量。

6、
　　2.基于圖像的過完備稀疏表示理論，針對傳統(tǒng)變換域方法的適應性及噪聲魯棒性問題，提出了一種自適應字典學習的多傳感器圖像融合算法。算法首先從待融合圖像中隨機取塊構成訓練樣本集，經(jīng)自適應字典學習算法迭代運算獲取過完備字典;然后由OMP算法完成圖像塊的稀疏分解;再按分解系數(shù)的顯著性選擇融合系數(shù)并完成圖像塊的重構;重構塊經(jīng)重新排列并取平均后獲得最后的融合圖像。實驗結果可見，新算法具有較好的噪聲抑制能力，融合圖像的主觀質(zhì)量及客觀評價指標

7、均要好于傳統(tǒng)算法。
　　3.基于圖像的過完備稀疏表示理論，針對實例學習圖像超分辨方法中低分辨圖像塊與高分辨圖像塊特征映射不一致問題，提出一種在線字典學習的圖像超分辨重建算法。在學習階段，算法首先獲取一組高分辨圖像，并經(jīng)降質(zhì)獲得對應的低分辨圖像，以該兩組實例圖像構建相應的高分辨及低分辨特征訓練集，在低分辨訓練集上經(jīng)在線字典學習算法迭代運算獲得低分辨字典，然后采用OMP算法獲得輸入樣本在低分辨字典上的稀疏編碼矩陣，通過共享稀疏編碼系數(shù)

8、求解高分辨字典;在超分辨重建階段，對輸入的低分辨圖像塊首先在低分辨字典上采用OMP算法實現(xiàn)稀疏編碼，同樣依據(jù)高分辨圖像塊與低分辨圖像塊共享稀疏編碼系數(shù)的原則，以高分辨字典實現(xiàn)待估計高分辨圖像塊的稀疏逼近，最后經(jīng)塊重新排序并取平均實現(xiàn)高分辨圖像的重建。實驗結果可見，所提方法可取得優(yōu)于傳統(tǒng)方法的圖像超分辨質(zhì)量，重建圖像的細節(jié)及紋理保持能力較好，且能有效抑制圖像邊緣的偽影現(xiàn)象。
　　4.基于圖像稀疏表示的多尺度幾何分析(Multisca

9、le Geometric Analysis，MGA)理論，提出了一種改進的非下采樣Contourlet變換(Nonsubsampled Contourlet Transform，NSCT)結合高斯比例混合模型(Gaussian Scale Mixtures Model，GSM)的圖像去噪算法。MGA是近年來發(fā)展起來的一種新的高維函數(shù)多尺度多分辨分析方法，可實現(xiàn)較小波變換更優(yōu)的圖像“稀疏表示”能力。NSCT是一種有效的多尺度幾何分析工具，

10、具有多尺度、多方向性及平移不變性等特點。NSCT結合GSM的圖像去噪算法能獲得較滿意的去噪效果，算法具有一定的通用性，但算法耗時較大。針對這一問題，提出一種改進的快速NSCT變換，以拓展其在算法時間要求較高場合下的應用。由于方向濾波器組主要影響NSCT的性能，故采用一種具有提升結構并經(jīng)優(yōu)化處理的方向濾波器改進了NSCT變換中的非下采樣方向濾波器組，同時將改進后的NSCT結合GSM應用于圖像去噪。實驗結果可見，改進算法保持了原NSCT結合

11、GSM算法的圖像去噪效果，同時將算法速度提高了近11倍。
　　5.基于圖像稀疏表示的多分辨分析理論，模擬視覺系統(tǒng)同步振蕩機制及視皮層神經(jīng)元分層分級信息處理機制，提出了一種基于改進拉普拉斯金字塔（Laplacian Pyramid，LP）變換結合脈沖耦合神經(jīng)網(wǎng)絡(Pulse Coupled Neural Networks，PCNN）的抗噪聲多聚焦圖像融合算法。算法采用改進的LP變換構造圖像的多分辨數(shù)據(jù)結構，分解系數(shù)按照分層多尺度的方