基于非相干字典学习的图像去雨与病理图像分类

《基于非相干字典学习的图像去雨与病理图像分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201510171803分类号TP391密级公开硕士学位论文基于非相干字典学习的图像去雨与病理图像分类学位申请人王翔指导教师汤红忠学院名称信息工程学院学科专业控制科学与工程研究方向图像处理与模式识别二○一八年六月四日Single-imageDerainingandHispathologicalImageClassificationBasedonIncoherentDictionaryLearningCandidateWangXiangSupervisorTangHongzhongCollegeCollegeofInformationEngineeringP

2、rogramControlScienceandEngineeringSpecializationImageProcessingandPatternRecognitionDegreeMasterUniversityXiangtanUniversityDateJune4,2018湘潭大学硕士学位论文摘要稀疏表示将信号表示为过完备字典中若干原子的线性组合，且线性组合的系数是稀疏的。由于稀疏表示能够自动提取各类图像隐含的特征信息，因此为图像的恢复和识别提供了新的思路。在图像的稀疏表示中，字典的设计是关键问题，针对现有字典学习算法在特定应用领域中存在的问题，本文进行了如下工作：（1）面向

3、图像去雨提出了一种非相干字典学习算法。算法构建了新的非相干字典学习模型，学习得到的紧框架结构紧凑，原子间的相似度较低，稀疏表示性能较好，保证了字典聚类时有雨字典和无雨字典的可分性。算法利用无雨字典对高频子图进行稀疏重构从而分离出无雨分量，将无雨分量与低频图像叠加，得到去雨结果。由实验结果可知，相比现有算法，本文算法对合成雨图及真实雨图的去雨质量均有所提升，能较好得去除雨线并保留图像的纹理细节，去雨后图像失真度小，且与同类算法相比，本文算法实时性较好。（2）面向病理图像分类，提出一种非相干字典学习算法。首先，针对不同类别的图像，基于在线字典学习算法分别学习各类子字典。通过引入字典

4、的相干性，利用迭代交替投影方法对类间原子降低原子间相似程度，获得判别性更强的非相干字典。进一步为了保证非相干字典的稀疏表示性能，采用子空间旋转优化方法优化非相干字典的稀疏表示性能，能同时平衡非相干字典的判别性与稀疏表示性能。实验结果证明，本文算法所学习的非相干字典具有较好的稀疏表示性能，在乳腺病理图像分类上获得了较好的分类精度。关键字：非相干字典学习；稀疏表示；图像去雨；病理图像分类I湘潭大学硕士学位论文AbstractSparserepresentationisasignaltransformationmethodthatdecomposesasignalintoalinea

5、rcombinationofatomsinanovercompletedictionary.Themostofelementsinalinearlycombinedcoefficientisclosetozero.Becausethesparserepresentationcanautomaticallyextractthehiddenfeatureinformationofvarioustypesofpictures,soitprovidesanewideaforimagerestorationandrecognition.Inthesparserepresentationt

6、heory,thedesignofthedictionaryisakeyissue.Inviewoftheexistingproblemsintheexistingdictionarylearningalgorithmsinspecificapplicationareas,thefollowingworkhasbeendoneinthispaper:(1)Theincoherentdictionarylearningandsparserepresentationalgorithmwaspresentanditwasappliedtosingle-imagerainremoval

7、.Theincoherenceofthedictionarywasintroducedtodesignanewobjectivefunctioninthedictionarylearning,whichaddressedtheproblemofreducingthesimilaritybetweenrainatomsandnon-rainatoms.Thedivisibilityofraindictionaryandnon-raindictionarycouldbeensured.Thehi