基于压缩感知理论的图像融合与图像编码算法研究

论文摘要

人们通过图像来获取外界的主要信息，因此对图像的处理是一个重要的研究课题。图像融合是将来自传感器的多源图像融合成一幅图像的过程。融合的图像保留了多源图像的主要信息，为图像的进一步处理，提供更加清晰、有效的信息。因此，该技术目前被广泛应用于军事、医学图像处理、远程传感等领域。随着信息技术的快速发展，人们对图像质量的要求也越来越高，势必造成图像传输数据的增大，因此图像压缩也将成为一个重要的研究方向。本文针对目前在图像融合及图像压缩编码方法存在的一些问题，提出了基于压缩感知理论的新方法。本文的主要工作如下：首先分别介绍了图像融合和图像压缩编码技术的研究背景及意义、发展现状，然后又对压缩感知理论（Compressed Sensing，CS）的框架进行了描述，并将压缩感知理论运用到二维图像的处理中。其次，基于压缩感知理论提出了一种采样点少且结构简单易实现的图像融合方法。算法首先对需要处理的两幅或多幅图像进行小波变换，再分别对得到的小波系数进行稀疏处理得到稀疏矩阵，并通过系数绝对值较大法进行融合，然后对融合后的系数矩阵通过随机观测获取压缩采样，而图像恢复则是对得到的压缩采样通过求解最优化的问题得到。由于对小波系数进行了稀疏处理，故该方法可以用少量的采样点来恢复图像。实验结果表明，在相同采样点下，该方法得到的图像质量明显优于传统的系数绝对值较大法融合；在少量采样点下，采用该方法也可以使融合的图像达到较好的效果。最后，针对矢量量化压缩速度慢、图像复原效果不理想等问题，根据图像小波分解后高频子带稀疏的特点，提出了一种基于压缩感知理论的分类量化图像编码算法。仿真结果表明，与LBG矢量量化编码算法相比，重构图像质量得到极大提升，在相似压缩比下，该算法取得了较好的效果，峰值信噪比（PSNR）平均有2~4dB的明显提高；在相似PSNR下，该算法在图像压缩方面也有很大改进。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究概况
• 1.2.1 图像融合技术的发展现状
• 1.2.2 图像压缩技术的发展现状
• 1.3 论文主要研究贡献和内容安排
• 第2章 压缩感知理论
• 2.1 压缩感知理论框架
• 2.1.1 信号的稀疏表示
• 2.1.2 信号的编码测量
• 2.1.3 信号的重构
• 2.2 图像处理在压缩感知理论中的应用
• 2.2.1 图像重构模型
• 2.2.2 图像重构仿真实验
• 2.3 本章小结
• 第3章 基于压缩感知理论的图像融合方法
• 3.1 图像融合技术简介
• 3.1.1 图像融合的过程
• 3.1.2 图像融合的层次
• 3.1.3 图像融合的方法
• 3.2 小波变换在图像融合中的应用
• 3.2.1 小波变换原理
• 3.2.2 图像的小波变换
• 3.2.3 小波变换图像融合过程
• 3.2.4 小波图像融合方法
• 3.3 基于压缩感知理论的图像融合
• 3.3.1 基于压缩感知理论的图像融合模型
• 3.3.2 确定小波分解级数
• 3.3.3 系数稀疏处理
• 3.3.4 确定测量矩阵
• 3.3.5 确定图像融合准则
• 3.3.6 算法实现
• 3.3.7 实验结果及分析
• 3.4 改进的压缩感知理论图像融合方法
• 3.4.1 改进的压缩感知理论图像融合模型
• 3.4.2 算法实现
• 3.4.3 实验结果及分析
• 3.5 本章小结
• 第4章 基于压缩感知理论的图像编码方法
• 4.1 图像压缩编码技术简介
• 4.1.1 图像压缩编码过程
• 4.1.2 图像压缩编码的分类
• 4.1.3 常用的图像压缩编码方法
• 4.1.4 图像编码质量的评价
• 4.2 小波变换在图像压缩编码中的应用
• 4.2.1 基于小波变换图像压缩编码基本思想
• 4.2.2 基于小波变换图像压缩编码的一般步骤
• 4.3 基于压缩感知理论的图像编码方法
• 4.3.1 基于 CS 理论的分类量化图像编码系统
• 4.3.2 确定量化编码方法
• 4.3.3 确定小波分解级数和测量矩阵
• 4.3.4 算法实现
• 4.3.5 实验结果及分析
• 4.4 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间发表的论文
• 附录B 攻读学位期间参与的科研项目