矩阵奇异值分解在数字图像处理的应用.pdfVIP

矩阵的奇异值分解 在数字图像处理的应用浅析 学 院：··· 专 业：·· 姓 名：·· 学 号：·· 2011 年11 月6 日 - 1 - 目 录 一、绪 论 - 1 - 二、数字图像处理简介 - 2 - 三、矩阵的奇异值分解原理 - 4 - 3.1 矩阵的奇异值 - 4 - 3.2 矩阵的奇异值分解（SVD ） - 4 - 四、奇异值分解的图像性质 - 5 - 五、图像的奇异值分解压缩方法 - 7 - 5.1 奇异值分解压缩原理分析 - 7 - 5.2 奇异值分解压缩应用过程 - 8 - 六、小 结 - 9 - - 2 - 一、绪 论 目前，随着科学技术的高速发展，现实生活中有大量的信息用数字进行存储、处理和 传送。而传输带宽、速度和存储器容量等往往有限制，因此数据压缩就显得十分必要。数 据压缩技术已经是多媒体发展的关键和核心技术。图像文件的容量一般都比较大，所以它 的存储、处理和传送会受到较大限制，图像压缩就显得极其重要。当前对图像压缩的算法 有很多，特点各异，类似JPEG 等许多标准都已经得到了广泛的应用。奇异值分解(Singular Value Decomposition ，SVD) 是一种基于特征向量的矩阵变换方法，在信号处理、模式识 别、数字水印技术等方面都得到了应用。由于图像具有矩阵结构，有文献提出将奇异值分 解应用于图像压缩[2]，并取得了成功，被视为一种有效的图像压缩方法。本文在奇异值分 解的基础上进行图像压缩。 - 1 - 二、数字图像处理简介 首先，简单介绍一下数字图像处理。人们对数字图像都应该很熟悉。我们在计算机上 看到的图像，数码相机拍到的图像，雷达图像，人体 MRI 图像等等。数字图像处理是指用 计算机对图像进行分析处理，以达到所需结果的技术。 图像处理的内容十分广泛，具体而言，可以分为：图像获取、图像增强、图像复原、 图像压缩、图像分割等。这些内容都是基于矩阵的处理得到的。下面举例介绍几个重要的 应用。 图像获取是图像处理的第一步。图像获取有很多方法，最常用的方法就是用传感器如 数字摄像机、扫描仪等设备得到。 f (x ,y ) x y 数字图像处理的定义：我们可以将一幅图像定义为一个二维函数 ，这里 和 是空间 (x, y ) f x , y 坐标，在空间坐标 上的幅值 称为该点图像的强度或灰度。对于数字图像而言，