基于壓縮感知理論的彩色圖像重構方法的研究

《基于壓縮感知理論的彩色圖像重構方法的研究》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、工程碩士學位論文基于壓縮感知理論的彩色圖像重構方法的研究肖震宇哈爾濱理工大學2016年3月國內圖書分類號：TN911.73工程碩士學位論文基于壓縮感知理論的彩色圖像重構方法的研究碩士研究生：肖震宇導師：于曉洋申請學位級別：工程碩士學科、專業(yè)：電子與通信工程所在單位：測控技術與通信工程學院答辯日期：2016年3月授予學位單位：哈爾濱理工大學ClassifiedIndex：TN911.73DissertationfortheMasterDegreeofEngineeringResearchonColorImageReconstructi

2、onMethodBasedonCompressedSensingTheoryCandidate：XiaoZhenyuSupervisor：YuXiaoyangAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：ElectronicsandCommunicationEngineeringDateofOralExamination：March，2016University：HarbinUniversityofScienceandTechnology哈爾濱理工大學碩：ｔ學位論文原創(chuàng)性

3、聲明本人鄭重聲明：此處所提交的碩±學位論文《基于壓縮感知理論的彩色圖像重構方法的研究》，是本人在導師指導下，在哈爾濱理工大學攻讀碩±學位期間獨立進行研巧工作所取得的成果。據(jù)本人所知，論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果。對本文研究工作做出貢獻的個人和集體，均已在文中Ｗ明確方式注明。本聲明的法律結果將完全由本人承擔。作者簽名：日期：公日／６年巧哈爾濱理工大學碩±學位論文使用授權書《基于壓縮感知理論的彩色圖像重構方法的研究》系本人在哈爾濱理工火學攻讀碩±學位期間在導師指導下完成的

4、碩±學位論文。本論文的研究Ｌ成果歸哈爾濱理王大學所有，本論文的研究內容不得義其它單位的名義發(fā)表，。本人完全了解哈爾濱理工大學關于保存、使用學位論文的規(guī)定同意學校保留并向有關部口提交論文和電子版本，允許論文被査闊和借閱。本人授權哈爾濱理工大學可采用影印，、縮印或其他復制手段保存論文可公布論文的全部或部分內容。本學位論文屬于保密□，在年解密后適用授權書。不保密口（請在上相應方框內打Ｖ）作者簽名：曰期：＞如年＾月三作式參４導師簽名：日期：年月ｎ八＾ａ；Ｌ４間若洋；基于壓縮感知理論

5、的彩色圖像重構方法的研究摘要隨著信息技術的持續(xù)進步，彩色圖像在生物醫(yī)學、航空航天、遙感測量、通信工程等領域扮演的角色愈加重要。然而，在圖像采集過程中，不可避免地要面臨噪聲混入、圖像失真、內容缺失等問題，因此，對彩色圖像重構技術的研究便顯得尤其重要。隨著圖像質量的不斷提高，傳統(tǒng)的圖像處理技術由于奈奎斯特抽樣定理的理論限制，已很難適應當今時代的需要。而一種新型的壓縮感知理論，因其根據(jù)信號自身所具有的稀疏性而非信號頻率來進行重構，從而能以少量的采樣完成對原始信號的精確復原?；谶@種直接采樣的特性，該理論在數(shù)字圖像處理領域具有明顯的優(yōu)勢。本

6、文以壓縮感知理論為理論基礎，將其運用到彩色圖像的去噪及超分辨率重構的研究中。首先，運用數(shù)學手法對壓縮感知理論進行全面系統(tǒng)的闡述與分析，其中，根據(jù)具體實驗需要，著重闡述原始信號如何進行稀疏表示及所需滿足的條件，由此為實驗奠定理論基礎。具體研究中，面對一個含有噪聲的低分辨率輸入圖像，需要首先對輸入圖像去噪，以獲得不含噪聲的低分辨率輸入圖像，然后對此圖像進行超分辨率重構，來獲得最終的高分辨率輸出圖像。因此，全部實驗內容分為以下兩部分。在彩色圖像去噪實驗中，針對傳統(tǒng)去噪算法處理時間長，復原圖像質量不佳等問題，本文采用改進型的K-SVD算法進

7、行研究，將用于灰度圖像去噪的K-SVD算法進行改進來運用到彩色圖像的去噪工作中，以避免可能產(chǎn)生的假色現(xiàn)象，并在此基礎上將算法進一步延伸，使其能夠處理被強噪聲及無關紋理嚴重破壞的圖像，從而完成相關的修復工作。研究結果表明，基于稀疏表示的改進型K-SVD算法，與傳統(tǒng)的主成分分析法相比，在去噪復原圖像的質量和處理時間上，均具有明顯的優(yōu)勢。在圖像超分辨率重構實驗中，針對傳統(tǒng)插值類算法超分辨率重構精度不高的問題，本文采用基于字典學習的重構方法進行研究，根據(jù)低分辨率輸入圖像自身的稀疏性，聯(lián)合訓練低分辨率和高分辨率圖像塊的兩個字典，從而利用相關的

8、字典生成高分辨率的輸出圖像。研究結果表明，與傳統(tǒng)的插值算法相比，本文的重構算法在重構的圖像質量上有顯著優(yōu)勢，同時，該算法對于輸入圖像-I-中可能存在的噪聲具有高度的魯棒性，這是傳統(tǒng)的插值類算法所不具備的。關鍵詞壓縮感知；稀疏表示；字典