圖像的稀疏表示及編碼模型研究.pdf

1、圖像壓縮技術(shù)是存儲(chǔ)和傳輸數(shù)字圖像的關(guān)鍵技術(shù)。現(xiàn)有的壓縮技術(shù)以像素矩陣為編碼對(duì)象，通過(guò)預(yù)測(cè)、變換、量化和熵編碼去除圖像中的冗余信息，而達(dá)到壓縮圖像的效果。經(jīng)過(guò)多年以來(lái)的研究和發(fā)展，目前正在應(yīng)用的壓縮技術(shù)在性能上提升的空間已經(jīng)不大，而系統(tǒng)的復(fù)雜程度卻顯著增加。同時(shí)，目前的技術(shù)采用基于塊的編碼思想，以及用像素差異控制率失真優(yōu)化，在低碼率下重構(gòu)圖像的視覺(jué)效果不高。本文從人腦知覺(jué)模型的角度，對(duì)編碼對(duì)象的改進(jìn)做了廣泛而深入的研究。
　　首先，

2、本文在廣泛搜集了腦科學(xué)、神經(jīng)學(xué)和心理學(xué)等學(xué)科的相關(guān)研究成果基礎(chǔ)上，闡述了面向編碼的人腦模型。其中著重指出了可以用于指導(dǎo)改進(jìn)編碼效率與視覺(jué)質(zhì)量評(píng)估的視覺(jué)特性。在給出視覺(jué)系統(tǒng)物理模型的基礎(chǔ)上，對(duì)神經(jīng)元的有效編碼理論作了全面的概括與分析，包括二階線性模型，高階線性模型以及高階非線性模型等。隨后，指出在各種線性和非線性模型中，具有較大實(shí)際意義的是高階線性模型，即稀疏編碼模型。
　　稀疏編碼模型中最重要的部分是如何獲取用于編碼圖像的基函數(shù)字

3、典。本文首先使用基于學(xué)習(xí)的方法，在高斯白化之后的訓(xùn)練圖集上得到了超完備基函數(shù)集合的子集。該函數(shù)集合具有人眼視覺(jué)系統(tǒng)所具備的局部性和帶通特性，其響應(yīng)概率分布也滿足稀疏分布，可以作為用于編碼圖像的基函數(shù)。但是基于訓(xùn)練的方法得到的基函數(shù)集合存在收斂不穩(wěn)定以及泛化能力不高的問(wèn)題。
　　為克服學(xué)習(xí)得到的基函數(shù)集合所存在的問(wèn)題，本文引入調(diào)和分析中的多尺度多分辨率分解曲波變換。曲波變換在數(shù)學(xué)上擁有對(duì)二維曲線奇異的理想的逼近階，同時(shí)對(duì)分解得到的各