資源描述：
《基于自適應字典稀疏表示人臉圖像壓縮算法的研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、摘要圖像壓縮是圖像處理的一個重要環(huán)節(jié)，是圖像存儲和傳輸過程中要解決的重要問題。圖像壓縮技術已經研究了幾十年，取得了很大的成績，并已制定JPEG、JPEG2000等靜止圖像壓縮標準。然而，對于一些使用廣泛的特殊圖像如人臉圖像，由于其圖像小且內容豐富，在低比特率條件下壓縮重建后的圖像質量不能令人滿意。為此，需要通過引入新的理論對人臉圖像的低比特率壓縮進行研究。圖像信息的有效表示是各種圖像處理的基礎，有效表示是指用甚少的表示系數即可表示圖像的主要能量。因此，圖像的稀疏表示能力對于壓縮性能具有重要的影響。
2、為了解決傳統(tǒng)正交變換的稀疏表示能力不足問題，本文研究自適應超完備字典稀疏表示方法，并將其應用于人臉圖像的低比特率壓縮。具體在以下方面取得了一些進展：1．本文提出了一種新的自適應超完備字典的構造算法：K．PCA算法。該算法是一種改進的K．SVD算法，用于超完備字典的訓練學習，以實現圖像的有效稀疏表示。與K-SVD算法相比較，該算法主要在初始字典的獲取和原子的更新方面做了改進，以期望相似的樣本采用相似的原子表示。相關圖像去噪實驗證明了該字典訓練學習算法的可靠性。進一步，論文將該算法應用于人臉圖像的低比
3、特率壓縮。相關實驗證實，應用本文所提算法構造的超完備字典進行人臉圖像的低比特率壓縮，其主客觀效果都明顯優(yōu)于JPEG和JPEG2000。2．為了進一步提高人臉圖像的壓縮比，本文提出一種基于自適應雙字典的人臉圖像壓縮算法。該算法將基于自適應字典稀疏表示的圖像超分辨率重建算法與圖像壓縮算法有機結合起來，以保證在具有較高重建質量的情況下獲得人臉圖像的甚低比特率壓縮。該算法主要利用對偶的低分辨率和高分辨率圖像自適應獲得的對偶雙字典具有相同的稀疏表示系數這一特點。壓縮時，首先對待壓縮人臉圖像下采樣獲得低分辨率
4、人臉圖像，并在相應的低分辨率字典上稀疏分解圖像，再對稀疏分解系數編碼以實現壓縮；解壓縮時，則由稀疏表示系數與對偶的高分辨率字典重建圖像。相關實驗證實，本文提出的方法能夠在保證圖像重建質量的情況下，實現甚低比特率條件下(比特率小于O．125bpp)的人臉圖像壓縮?；谧赃m應字典稀疏表示的人臉圖像壓縮算法研究關鍵詞：人臉壓縮；稀疏表示；超完備字典：甚低比特率AbstractImagecompressionisallimportantpartofimageprocessing，alsoallimport
5、antissuestobesolvedinimagestorageandtransmission．Theimagecompressiontechnologyhasbeenstudiedfordecadesandhasgotsomeachievements，JPEGandJPEG2000havebeendeveloped．However,forsomespecialimagessuchasfacialimagewhichissmallbuthasrichcontent,thequalityofrec
6、onstructedimageisnotsatisfactoryunderlowbitratecompressioncondition．Therefore，introducingnewtheoreticalmethodtolowbitratecompressionoffacialimagesisverymeaningful．Validimagerepresentationisthebasisofimageprocessing，thesparsityoftransformcoefficientsis
7、veryimport芻mtforcompressionperformance．ToovercometheinsufficiencyofcommonlyusedDCTandWavelettransform，thispaperapplythetheoryofadaptiveover-completesparserepresentationstothefiledoffacialimagecompression．Specifically,progresshasbeenmadeinthefollowinga
8、re．as：Firstly,thispaperpresentsanewadaptiveovereompletedictionaryconstructionalgorithm：K-PCA．ThealgorithmisimprovedbytheK—SVDalgorithm，usedtotraincompletedictionary,inordertoachieveavalidrepresentationoftheimage．ComparedwiththeK-SVD，ouralgorit
