图像稀疏分解论文数字图像差分进化稀疏分解及压缩.docVIP

图像稀疏分解论文：数字图像差分进化稀疏分解及压缩 【中文摘要】随着社会信息化程度的不断提高,图像信息随处可见,而图像压缩作为图像处理中的一个重要环节,也被广泛应用于现代科学技术的多个领域。目前,人们已经提出了多种图像压缩方法,并形成了一系列图像压缩标准。这些压缩标准大都是基于图像正交变换的,在高比特率压缩时可以取得良好的效果,但在低比特率条件下的解码图像质量却不尽如人意,满足不了人们的图像压缩需求。比如：JPEG压缩标准一般在0.2bpp以下便会出现方块效应,而JPEG2000压缩标准则在低比特率条件下会出现蚊式噪声,因此需要发展一种在低比特率情况下有效的图像压缩方法。近年来兴起的稀疏分解是一种非正交的分解,将图像分解在过完备原子库上从而得到图像的稀疏表示,该表示结果非常简洁,也符合人眼的视觉特性。由于图像稀疏分解的优良特性,使其成为解决低比特率下图像压缩问题的新途径。本文则主要围绕利用稀疏分解实现图像压缩这一问题展开研究,首先针对图像稀疏分解中计算量大的问题引入差分进化算法,并对这种算法进行深入研究,从而得到图像的稀疏表示,在此基础上研究高效的编码方法。本论文的主要工作及研究成果如下：(1)介绍了图像稀疏分解的核心思想以及图像的稀疏表示,并就图像稀疏分解过程中计算量大的问题引入差分进化算法,给出基于差分进化算法的图像稀疏分解流程和实现过程。(2)为了在图像稀疏分解之后得到高质量的原子和投影分量信息,进一步研究差分进化算法,给出一种基于种群多样性的差分进化算法,并将其应用到图像稀疏分解。首先分析了现有的五种不同差分策略的性能特点,通过稀疏分解重建图像质量的对比选取最佳策略；其次充分考虑了寻优过程中随着迭代次数的增加,种群的多样性不断下降的问题,以种群多样性的度量值代替固定的迭代次数作为终止条件进行寻优。实验结果表明,与文献中基于粒子群算法的图像稀疏分解方法及传统差分进化算法相比,同等条件下该算法可以有效的提高重建图像的峰值信噪比,能更准确、有效的得到图像的稀疏表示。(3)根据图像稀疏表示的六个分量的分布规律,分析了传统的排序差分编码的不足,给出一种变码长编码的压缩算法。该算法首先对分解结果数据中的投影分量进行排序差分处理,接着再对信息量比较大的差分分量、两个平移分量和一个旋转分量按照原子个数均各自分配一个码长,而对于分布范围比较小的两个尺度分量采用定长编码。实验结果表明与文献中排序差分压缩算法比较,同等条件下该算法在压缩重建图像峰值信噪比相同的情况下可以获得更高的压缩比,有效的减少了编码冗余,提高了压缩效率。(4)为了进一步提高图像的压缩比,根据图像稀疏表示之后的参数分量的特点,将行程编码的思想应用到基于稀疏分解的图像压缩,形成一种采用行程编码的图像压缩算法。实验结果表明,与变码长算法及文献中排序差分压缩算法相比,该算法同条件下可获得更高的压缩比,能有效地提高图像的压缩效率。 【英文摘要】With the improvement of information society, we can see the image information everywhere. The image compression, as an important part of image processing, is also widely used in modern science and technology fields. At present, people have made a variety of image compression methods, which formed a series of image compression standard. These standard are mostly based on image orthogonal transformation, which can achieve good results in the high bit rate compression, but the decoding image is not satisfactory under the conditions of low bit rate, and it can not meet people’s demand for image compression. For example:for the JPEG compression standard, the following box will appear under the 0.2-bit, while for the JPEG2000 compression standard, mosquito-like noise will appear