基于冗余字典的圖像稀疏表示研究.pdf

1、近幾年來，稀疏表示的研究進(jìn)入一個(gè)全新發(fā)展的時(shí)期，稀疏表示應(yīng)用到圖像處理的各個(gè)領(lǐng)域，如人臉識(shí)別、圖像去噪、圖像分割、圖像壓縮等。通過樣本學(xué)習(xí)獲得字典，任意信號(hào)均可以用少量原子的線性組合來表示。得到的稀疏的系數(shù)向量，就可以幾乎精確的重建原信號(hào)。本文基于冗余字典能捕捉原始信號(hào)的魯棒特征的優(yōu)勢(shì)，研究其在圖像去噪中應(yīng)用。本文主要的研究?jī)?nèi)容如下：
　　(1)研究基于冗余字典的圖像分塊稀疏表示的去噪算法。首先對(duì)圖像進(jìn)行分塊，借助貝葉斯重構(gòu)思想，

2、獲取圖像塊的魯棒近似稀疏表示，然后通過稀疏表示系數(shù)得到無噪圖像的近似表示。
　　(2)研究基于字典學(xué)習(xí)的自適應(yīng)圖像稀疏表示去噪方法。首先借鑒K-SVD算法，初始化過完備字典，通過噪聲圖像塊訓(xùn)練字典，然后應(yīng)用學(xué)習(xí)得到的字典對(duì)噪聲圖像進(jìn)行稀釋表示并去噪。訓(xùn)練后的字典能更有效的表示圖像內(nèi)容，去噪效果更明顯。通過自然圖像的去噪實(shí)驗(yàn)驗(yàn)證算法的有效性。實(shí)驗(yàn)結(jié)果表明該方法對(duì)在圖像去噪方面有著很好的效果。
　　(3)應(yīng)用一種新的字典構(gòu)造思想