基于稀疏表示方法的图像恢复算法研究

《基于稀疏表示方法的图像恢复算法研究》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、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于稀疏表示方法的图像恢复算法研究论文作者：武利涛学生类别：全日制专业学位类别：工程硕士领域名称：电子与通信工程指导教师：马杰职称：教授资助基金项目：国家自然科学基金(61203245)、河北自然科学基金(F2012202027)DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofElectronicsandCommunicationEngineeringRESEARCHONIMAGERESTORATIONALGORITHMBASEDO

2、NSPARSEREPRESENTATIONMETHODbyWuLitaoSupervisor:Prof.MaJieMay2017ThisworksupportedbyNationalNaturalScienceFoundation(61203245).HebeiProvinceNaturalScienceFoundation(F2012202027)摘要现代社会信息数字化蓬勃发展，数字图像作为存储和传递视觉信息的重要方式已渗透到生活的方方面面。在实际采集图像到应用分析的整个过程中，由于物体位移、成像设备及传输环境等因素影响，人们最终获得的图像往往已失真不能满足生活及科研需要

3、，因此对现有失真图像进行处理恢复原清晰图像仍然是一项重要工作。近年来，稀疏表示理论赢得青睐，并在多种图像处理问题中收到了不错效果。本文以稀疏表示理论为基础，选取了既能充分表达图像的稀疏先验又能表达其非局部自相似先验的组稀疏表示模型，并加入梯度直方图保持正则项，用迭代直方图规范化算法和非精确拉格朗日乘子法进行求解，然后将改进模型及算法应用到了去噪和去模糊两种图像处理问题中。本文主要研究内容概括为以下几点：（1）阐述了图像的先验模型理论，且着重介绍了稀疏表示理论及相关算法。简述了传统的以图像块作为稀疏表示单元的稀疏表示模型中稀疏表示系数求解及学习字典训练的相关算法，并对其优点与

4、不足进行了分析研究。（2）研究了一种基于组稀疏表示方法的图像去噪方法，并用不同的求解算法进行求解和对比，最终选择了非精确增广拉格朗日乘子法。与传统的图像稀疏去噪方法比较，此方法以相似的图像块组成的组为单元进行稀疏表示，并设计了针对每一个组的自适应字典，且这种字典具有高效、复杂度低的优势。（3）分析研究组稀疏表示方法，得出其虽然能得到较高的峰值信噪比和结构相似度，但在纹理保持方面仍有改进的空间，于是本文加入了梯度直方图保持正则项，并在求解算法上将迭代直方图规范化算法与非精确增广拉格朗日乘子法进行了结合。图像去噪实验结果验证了本文研究的方法能够得到较高的峰值信噪比和结构相似度，

5、较低的运算复杂度，且能较好地保持图像的细致纹理结构。最后，本文将研究的改进方法应用于图像去模糊处理，充分说明本文方法在图像恢复的过程中保持纹理结构效果方面的优势，具有实用价值和现实意义。关键词：图像恢复稀疏表示组稀疏增广拉格朗日纹理IABSTRACTModernsociety,thedigitalinformationhasdevelopedvigorously.Digitalimagesasanimportantwayofstoragingandtransmittingvisualinformationhavepenetratedintoallaspectsoflife.

6、Inthewholeprocessofactualacquisitingtoapplicating,duetotheimpactofobjectdisplacement,imagingequipmentandtransmissionenvironment,peopleoftenobtainedthedistortedimageswhichcan’tmeetthelifeandresearchneeds.Therefore,itisstillanimportantworktorecovertheoriginalclearimagefromexistingdistortedim

7、age.Inrecentyears,sparserepresentationtheoryhaswonfavorandreceivedagoodeffectinavarietyofimageprocessingproblems.Inthispaper,basedonthesparserepresentationtheory,thegroupbasedsparserepresentaionmodelisselectedforithasnotonlyexpressedthesparsitybutalsoexpressed