稀疏表示理论在提高数字图像质量中应用.docVIP

稀疏表示理论在提高数字图像质量中应用 　　摘 要：稀疏表示理论是一种新兴的信号表示模型，广泛应用于各种信号和图像处理任务中。介绍了稀疏表示模型及其在提高图像质量中的应用，并指出了该理论在图像处理中急需解决的问题。 　　关键词：稀疏表示 图像质量 几何结构 　　中图分类号：TP3 文献标识码：A 文章编号：1674-098X（2012）12（c）-00-01 　　1993年Mallat和Zhang提出了信号的稀疏表示，在信号逼近上取得了出色的表现，迅速引起了广大学者的普遍关注，信号稀疏表示研究很快被从一维信号推广到二维信号图像的研究上。 　　稀疏表示的模型可以表示为： 　　式中为向量的l0范数，表示向量x中非零元素的个数，x即为信号y的稀疏表示。 　　在数字图像处理中，由于图像的数据信息具有冗余性，为冗余字典，因此可以在冗余字典上进行稀疏表示，y则为图像子块的列向量表示。如何构造表达能力强、训练简单的冗余字典是图像处理中的关键一步，自稀疏表示理论的提出，在图像去噪、去模糊、超分辨率、图像修复等方面得到了广泛的应用，取得了比传统方法更好的处理结果。 　　1 稀疏表示理论在提高数字图像质量中的应用 　　Michael Elad是较早将稀疏表示理论应用于图像去噪与超分辨率的代表人物[1]，他将K均值聚类方法引入字典训练过程中。在K均值算法中，求解一个包括K个代码的码本，使得在此码本上，根