基于稀疏表示的圖像恢復

1.84萬字 45頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要 圖像是一種重要的信息載體，為了確保信息的真實性，圖像必須清晰無污染。然而在成像和圖像傳輸過程中許多外界因素都會造成圖像的破損，導致信息丟失。圖像恢復是從破損的圖像中還原出原始清晰的圖像的過程，該技術應用于國民經濟和國防等眾多領域，如醫(yī)學圖像處理、氣象遙感、生物識別、安全監(jiān)控、目標跟蹤等。因此研究圖像恢復技術對推動圖像處理技術的發(fā)展具有重要的理論意義。
近幾十年來，圖像恢復技術有了長足的發(fā)展。作為圖像的一種高效表示方法，基于稀疏表示的圖像恢復算法目前被廣泛應用于圖像處理領域。對靈長目動物的視覺研究以及相關的生理實驗結果表明，使用超完備字典的稀疏表示是神經信息群體分布表達的一種有效方法，并在理論上支持了基于稀疏表示算法對于圖像恢復的貢獻。與基于偏微分方程及基于紋理合成的圖像恢復算法相比，基于稀疏表示的圖像恢復算法對恢復過程中的噪聲干擾具有較強的抵抗能力，可以較好地恢復受損圖像和老舊照片，能夠恢復受損圖像的結構性信息，尤其是對細紋理區(qū)域信息丟失的受損圖像，具有較好的魯棒性。
本文首先介紹了基于稀疏表示的圖像恢復的研究背景與意義，總結了稀疏表示的基本理論。在分析圖像稀疏表示模型的基礎上，針對稀疏表示模型的兩個核心問題稀疏分解算法與字典構造方法進行了詳細研究，并綜述了相應的經典稀疏分解與字典學習方法。其次本文著重描述了基于K-SVD算法的圖像恢復方法，包括基于K-SVD字典的學習的基本原理及其具體算法實現。最后編寫相關的MATLAB程序，對真實圖像進行仿真實驗。通過比較恢復前后圖像的信噪比來衡量恢復結果的優(yōu)劣。此外，本文還對稀疏表示在圖像去噪、圖像恢復等圖像處理領域的應用進行總結，討論了目前圖像稀疏表示研究中存在的一些問題，并給出了下一步的研究方向。


關鍵詞：圖像恢復 稀疏表示 字典學習 K-SVD算法