基于上下文的自适应图像建模及其在图像恢复中的应用.pdf

《基于上下文的自适应图像建模及其在图像恢复中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、代号10701学号0611110023分类号TP391密级公开题（中、英文）目基于上下文的自适应图像建模及其在图像恢复中的应用TheContext-basedAdaptiveImageModelingforImageRestoration作者姓名董伟生指导教师姓名、职务石光明教授学科门类工学学科、专业电路与系统提交论文日期二○一一年三月西安电子科技大学博士学位论文基于上下文的自适应图像建模及其在图像恢复中的应用作者：董伟生导师：石光明教授学科：电路与系统学位：工学博士二零一一年三月4基于上下文的自适应图像建模及其在图像恢复中的应用中国西安西安电子科技大学博士学位论文T

2、heContext-basedAdaptiveImageModelingforImageRestorationADissertationSubmittedtoXidianUniversityinPartialSatisfactionoftheRequirementsfortheDegreeofDoctorofPhilosophyinCircuitsandSystemsbyDongWeishengMarch2011XidianUniversityXi’an,P.R.China独创性（或创新性）声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽

3、我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印

4、件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）本人签名：日期导师签名：日期摘要I摘要图像恢复在国防安全、航空航天以及人民生活方面有重大需求。从信息学的角度来看许多图像恢复问题，如图像插值、预测和去噪，其本质都是用观测到的统计信息来估计未知的信息。图像信号估计的效率和精度取决于所使用的数据模型能否精确刻画原始图像数据。由于自然图像数据的高维复杂性，一般并不存在一个能准确刻画自然图像的通用数学模型。图像模型和实际观测图像数据的不匹配，削弱了图像信号估计的效率。在本文，我们提出基于上下

5、文的自适应图像建模方法并用于图像恢复，其基本思想是通过对局部图像微结构进行上下文建模来充分挖掘自然图像的先验知识及图像非局部信息，极大地提高图像恢复的效果。本文提出的基于上下文的建模方法成功用于包括图像插值、压缩感知恢复、图像去噪、去模糊和超分辨率在内的一系列图像恢复问题，获得了远好于当前同类图像恢复算法的结果。本文的主要贡献包括：(1)提出了一种基于上下文的图像插值方法，即先利用结构分类技术离线学习一系列的图像插值器，然后根据低分辨率图像局部结构信息选择最佳的插值器进行插值。相比现有图像插值算法，本文提出的方法克服了现有图像插值方法统计信息量不足的缺点。本文还将基于

6、上下文的插值器用于方向小波提升中的分数像素插值，极大地提升了分数方向预测的性能从而大大地提高图像压缩性能。(2)提出一种基于图像模型的压缩感知恢复算法。现有基于固定稀疏域(如DCT，小波，梯度域)的标准恢复算法无法准确恢复自然图像的局部边缘和纹理结构。本文提出利用离线学习得到的图像模型对压缩感知恢复进行自适应正则。实验结果表明，本文提出的基于上下文模型的压缩感知恢复算法比现有方法具有更高的峰值信噪比，同时能重建更加尖锐和精细的图像结构。(3)提出基于上下文的图像去噪方法。小波去噪方法依赖于对小波系数统计建模的精度，传统小波系数概率模型在边缘和纹理区域存在较大偏差从而导

7、致严重的振铃效应。本文提出基于上下文的统计建模技术来消除现有概率模型的偏差，有效抑制振铃效应。对于加性脉冲噪声，本文提出基于上下文的非线性层叠滤波(nonlinearstackfiltering)方法。对每一个上下文设计较小窗口的层叠滤波器，有效减少了波器设计的复杂度，并较好地保持自然图像的局部结构和细节。(4)提出基于上下文的自适应图像稀疏表示模型。传统的固定稀疏域,如小波、DCT基、冗余字典无法有效表示各种自然图像局部结构。针对该问题，本文提出基于上下文的自适应字典学习，通过上下文分类学习一系列子字典，然后根据上下文选择最佳的子字典进行稀疏表示。