基于局部競爭機(jī)制的圖像稀疏表示方法研究.pdf

1、尋求客觀事物的“稀疏”表示方法一直是機(jī)器視覺、數(shù)據(jù)壓縮等領(lǐng)域?qū)＜覍W(xué)者致力于研究的目標(biāo)。由于圖像稀疏表示的優(yōu)良特性，目前針對圖像的稀疏表示已經(jīng)發(fā)展了多種算法。圖像的稀疏表示也已經(jīng)成功應(yīng)用于圖像的壓縮、去噪、識別等。由于圖像的稀疏表示在圖像處理中的成功應(yīng)用，已經(jīng)引起越來越多研究人員的重視，形成對圖像稀疏分解研究的熱潮。
　　對于分段光滑信號，小波提供了一種非常簡單而有效的表示方法，然而傳統(tǒng)意義上的小波變換在高維情況下并不是最優(yōu)的或者說

2、是“最稀疏”的函數(shù)表示方法。過完備多分辨率變換能夠充分利用函數(shù)本身信息，對特定的函數(shù)類達(dá)到最優(yōu)逼近。不同的變換各自適合表示不同的圖像特征，這給圖像稀疏表示提供了更有力的理論和方法。此外，生物視覺系統(tǒng)的發(fā)展和進(jìn)化與其感知的外界環(huán)境(自然圖像)密切相關(guān)。實(shí)驗(yàn)表明，自然圖像的非高斯統(tǒng)計(jì)特性與神經(jīng)元的稀疏編碼方式相對應(yīng)。
　　首先，本文提出利用過完備多分辨率變換并結(jié)合視覺特性的圖像稀疏表示方法。該算法用雙樹復(fù)數(shù)小波模擬視覺皮層簡單細(xì)胞的感

3、受野，結(jié)合相鄰細(xì)胞間抑制和增強(qiáng)特性，用局部競爭抑制的方法從變換系數(shù)中選取少量系數(shù)稀疏表示圖像。實(shí)驗(yàn)結(jié)果表明，其重構(gòu)圖像的效果較其它方法有明顯的改善。
　　其次，本文根據(jù)Marr初級視覺理論，在一種能夠從多尺度描述一幅圖像的一種新的復(fù)數(shù)小波—Marr-like小波金字塔以及一種新的適應(yīng)性Harr小波變換—Tetrolet變換的基礎(chǔ)上，提出將Marr-like小波金字塔分解與Tetrolet相結(jié)合的圖像稀疏表示方法。數(shù)值實(shí)驗(yàn)表明該算法