基于稀疏表示理論的圖像去噪與融合算法研究.pdf

1、在視覺信息感知過程中，數(shù)據(jù)獲取、壓縮、傳輸與存儲過程中各種干擾影響，以及拍攝設備自身局限與人為操作不當?shù)戎T多因素，造成的數(shù)據(jù)丟失、噪聲引入、有限聚焦等圖像質量問題，給人們對目標或場景的感知與理解帶來了巨大的挑戰(zhàn)。因此，利用信號處理、計算機視覺以及機器學習等相關理論技術，研究圖像去噪與融合技術，對多模態(tài)或噪聲圖像進行分析與處理，進而更好地理解與感知目標對象，具有十分重要的理論和現(xiàn)實意義。
　　從圖像融合與去噪的難點問題出發(fā)，以稀疏表

2、示理論為核心，充分利用自然圖像內在結構相似性與變換基函數(shù)下的稀疏性，對圖像去噪與融合方法存在的計算復雜度高，以及“偽影”、“階梯”效應、失真與信息丟失等問題，展開稀疏表示框架下的去噪與融合算法的研究。論文的創(chuàng)新性研究工作主要有：
　?、籴槍ο∈杈垲悎D像去噪的參數(shù)非自適應性，以及去噪圖像存在人為干擾現(xiàn)象等問題，提出一種基于結構聚類與稀疏表示的圖像去噪模型。在稀疏聚類去噪模型的基礎上，引入圖像多形態(tài)成分分析，提出一種新的稀疏聚類去噪模

3、型，從而更好地抑制噪聲信息；通過歐式距離刻畫相似塊組，采用混合高斯模型學習與判別圖像塊組，形成更緊致的KSVD訓練字典，進而更有效、完整地表征圖像幾何結構與細節(jié)信息；將圖像結構與內容先驗信息引入正則參數(shù)的構建，分析與挖掘變換系數(shù)分布特性，優(yōu)化并確定去噪逼近模型，解決參數(shù)與模型的非自適應問題；通過對去噪模型的迭代數(shù)學求解，重建去噪后圖像，提升圖像的質量。
　　②針對傳統(tǒng)圖像融合中邊緣振蕩、塊效應、失真等問題，以及壓縮感知框架下感知測

4、量的不確定性與融合策略等問題，提出了一種基于壓縮感知理論的多源圖像融合的新思路。通過分析不同尺度下圖像重建的精度，選擇合適的分解尺度；根據(jù)多尺度分解系數(shù)自身的特性，引入改進的自適應脈沖耦合神經(jīng)網(wǎng)絡與圖像質量評價因子，構建多融合策略，從而有效地提取源圖像的結構與細節(jié)信息；通過改進的梯度下降算法優(yōu)化確定性Toeplitz測量矩陣，解決測量矩陣高計算復雜度與低重建精度的問題，進而通過改進的壓縮采樣匹配追蹤算法精確重建融合圖像。
　　③針

5、對傳統(tǒng)圖像融合中塊效應、失真等問題，以及圖像分解框架下圖像的完整、有效的描述與計算復雜度高等問題，提出了一種新穎的基于卡通-紋理稀疏分解的多聚焦圖像融合算法。受啟發(fā)于迭代重加權最小二乘法的求解思路，提出一種基于迭代重加權的卡通-紋理稀疏分解模型，解決圖像卡通-紋理分解有效表征與高計算復雜度問題，從而更有效、完整地表示圖像卡通分量與紋理分量；針對提出的分解模型，通過詳細地理論證明與分析，從數(shù)學原理上推導稀疏解的收斂性與可行性；根據(jù)圖像卡通