基于稀疏分解的图像压缩编码算法研究

论文摘要

稀疏分解是近几年信号处理领域研究的热点,它可以将信号表示成为一种稀疏的形式,从而引起了研究人员的重视。图像压缩是图像处理中的重要环节,它广泛应用于现代科学技术的多个领域。经过多年的研究,人们已经提出了多种图像压缩方法,并在许多领域取得了良好的应用结果。现有的图像压缩技术通常是基于正交变换的压缩方法。但在图像高压缩比压缩,即低比特率图像压缩时,压缩图像的恢复效果往往不太好。因此需要发展一种在低比特率情况下有效的图像压缩方法。基于稀疏分解的良好特性,一维信号的稀疏分解被很快推广应用到图像处理技术中。本文重点研究了稀疏分解在图像压缩领域中的应用,并提出了一种基于图像稀疏分解结果数据的压缩编码方案。文中首先分析了图像稀疏分解的思想,指出了图像稀疏分解的特点和急待解决的问题。同时介绍了图像稀疏分解结果的表示形式——图像稀疏表示。接下来,本文介绍了图像稀疏分解最常用的算法——匹配跟踪算法。与其它稀疏分解算法相比,图像的匹配跟踪算法易于理解,便于实现,但是依然存在计算量大的问题。所以本文使用遗传算法来实现图像基于匹配跟踪的稀疏分解。单纯的遗传算法依然无法有效减少图像稀疏分解的计算量,所以根据图像稀疏分解的特点,本文采用的算法使用了多种优化方法对遗传算法做了改进,从而在计算量和重建图像质量之间取得了一个较好的平衡。基于对图像稀疏分解的分析,本文首先研究了图像稀疏分解结果数据的分布规律,并在此基础上提出了针对结果数据的量化、编码方案。根据此量化、编码方案,实现了基于稀疏分解的图像压缩编码。在低比特率条件下,当压缩比相同时,本文方法压缩后重建图像质量优于常规图像压缩编码方法的重建图像质量。最后,试验结果证明本文提出的编码方案能够有效的减少稀疏分解结果数据投影分量的冗余,并由此提高了图像稀疏分解结果数据的编码效率。同时在图像低比特率压缩方面,本文使用方法恢复图像的质量要明显优于多种现有图像压缩方法的重建图像质量。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文选题根据
• 1.2 图像压缩技术的发展过程
• 1.3 本论文的主要工作
• 第二章 图像压缩技术
• 2.1 数字图像表示
• 2.2 图像压缩分类
• 2.3 图像压缩标准
• 2.4 图像压缩效果评价
• 第三章 信号与图像的稀疏分解
• 3.1 信号表示
• 3.2 信号稀疏表示
• 3.2.1 过完备原子库
• 3.2.2 信号的稀疏分解
• 3.3 图像稀疏分解
• 3.3.1 图像稀疏分解的基本思想
• 3.3.2 图像稀疏分解的结果----图像的稀疏表示
• 3.3.3 图像稀疏分解的匹配跟踪实现方法
• 第四章 基于稀疏分解的图像压缩
• 4.1 图像稀疏分解结果数据的分布规律
• 4.2 图像稀疏分解结果数据的量化和编码
• 4.3 试验结果与分析
• 结论
• 致谢
• 参考文献