數(shù)字圖像差分進化稀疏分解及壓縮.pdf

1、隨著社會信息化程度的不斷提高,圖像信息隨處可見,而圖像壓縮作為圖像處理中的一個重要環(huán)節(jié),也被廣泛應用于現(xiàn)代科學技術的多個領域。目前,人們已經(jīng)提出了多種圖像壓縮方法,并形成了一系列圖像壓縮標準。這些壓縮標準大都是基于圖像正交變換的,在高比特率壓縮時可以取得良好的效果,但在低比特率條件下的解碼圖像質量卻不盡如人意,滿足不了人們的圖像壓縮需求。比如:JPEG壓縮標準一般在0.2bpp以下便會出現(xiàn)方塊效應,而JPEG2000壓縮標準則在低比特率

2、條件下會出現(xiàn)蚊式噪聲,因此需要發(fā)展一種在低比特率情況下有效的圖像壓縮方法。
　　 近年來興起的稀疏分解是一種非正交的分解,將圖像分解在過完備原子庫上從而得到圖像的稀疏表示,該表示結果非常簡潔,也符合人眼的視覺特性。由于圖像稀疏分解的優(yōu)良特性,使其成為解決低比特率下圖像壓縮問題的新途徑。
　　 本文則主要圍繞利用稀疏分解實現(xiàn)圖像壓縮這一問題展開研究,首先針對圖像稀疏分解中計算量大的問題引入差分進化算法,并對這種算法進行深入

3、研究,從而得到圖像的稀疏表示,在此基礎上研究高效的編碼方法。本論文的主要工作及研究成果如下:
　　 (1)介紹了圖像稀疏分解的核心思想以及圖像的稀疏表示,并就圖像稀疏分解過程中計算量大的問題引入差分進化算法,給出基于差分進化算法的圖像稀疏分解流程和實現(xiàn)過程。
　　 (2)為了在圖像稀疏分解之后得到高質量的原子和投影分量信息,進一步研究差分進化算法,給出一種基于種群多樣性的差分進化算法,并將其應用到圖像稀疏分解。首先分析了

4、現(xiàn)有的五種不同差分策略的性能特點,通過稀疏分解重建圖像質量的對比選取最佳策略；其次充分考慮了尋優(yōu)過程中隨著迭代次數(shù)的增加,種群的多樣性不斷下降的問題,以種群多樣性的度量值代替固定的迭代次數(shù)作為終止條件進行尋優(yōu)。實驗結果表明,與文獻[7]中基于粒子群算法的圖像稀疏分解方法及傳統(tǒng)差分進化算法相比,同等條件下該算法可以有效的提高重建圖像的峰值信噪比,能更準確、有效的得到圖像的稀疏表示。
　　 (3)根據(jù)圖像稀疏表示的六個分量的分布規(guī)律

5、,分析了傳統(tǒng)的排序差分編碼的不足,給出一種變碼長編碼的壓縮算法。該算法首先對分解結果數(shù)據(jù)中的投影分量進行排序差分處理,接著再對信息量比較大的差分分量、兩個平移分量和一個旋轉分量按照原子個數(shù)均各自分配一個碼長,而對于分布范圍比較小的兩個尺度分量采用定長編碼。實驗結果表明與文獻[7]中排序差分壓縮算法比較,同等條件下該算法在壓縮重建圖像峰值信噪比相同的情況下可以獲得更高的壓縮比,有效的減少了編碼冗余,提高了壓縮效率。
　　 (4)為