矩阵的奇异值分解在数字图像处理的应用.docVIP

PAGE \* MERGEFORMAT- 2 - PAGE \* MERGEFORMAT- 1 - 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 目 录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc308513225 一、绪 论 PAGEREF _Toc308513225 \h - 1 - HYPERLINK \l _Toc308513226 二、数字图像处理简介 PAGEREF _Toc308513226 \h - 2 - HYPERLINK \l _Toc308513227 三、矩阵的奇异值分解原理 PAGEREF _Toc308513227 \h - 4 - HYPERLINK \l _Toc308513228 3.1 矩阵的奇异值 PAGEREF _Toc308513228 \h - 4 - HYPERLINK \l _Toc308513229 3.2 矩阵的奇异值分解（SVD） PAGEREF _Toc308513229 \h - 4 - HYPERLINK \l _Toc308513230 四、奇异值分解的图像性质 PAGEREF _Toc308513230 \h - 5 - HYPERLINK \l _Toc308513231 五、图像的奇异值分解压缩方法 PAGEREF _Toc308513231 \h - 7 - HYPERLINK \l _Toc308513232 5.1 奇异值分解压缩原理分析 PAGEREF _Toc308513232 \h - 7 - HYPERLINK \l _Toc308513233 5.2 奇异值分解压缩应用过程 PAGEREF _Toc308513233 \h - 8 - HYPERLINK \l _Toc308513234 六、小 结 PAGEREF _Toc308513234 \h - 9 - 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。 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。 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，和幅值都是有限的、离散的。这样一幅图像就可以用一个二维函数来表示。模拟图像不利于计算机处理，所以我们常常将模拟图像转换为数字图像。模拟图像转化为数字图像的方式是：取样和量化。我们将坐标值离散化称为取样，将幅度值离散化称之为量化。经过取样和量化的图像是一幅数字图像。数字图像的质量很大程度上取决于取样和量化的取样数和灰度级。取样和量化的结果是一个实际的矩阵。这个矩阵可以表示为 更一般的矩阵表达方式为： 图像压缩是数据压缩技术在数字图像上的应用，它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。图像数据之所以能被压缩，就是因为数据中存在着冗余。图像数据的冗余主要表现为：图像中相邻像素间的相关性引起的空间冗余；图像序列中不同帧之间存在相关性引起的时间冗余；不同彩色平面或频谱带的相关性引起的频谱冗余。 图像压缩可以是有损数据压缩也可以是无损数据压缩。无损图像压缩方法主要有行程长度编码、熵编码法如LZW；有损压缩方法主要有变换编码，如离散余弦变换（DCT）或者小波变换这样的