检索结果-内蒙古大学图书馆

作者：姚波旭西安电子科技大学

学位级别：硕士

近年来,基于图像的自相似性和低秩矩阵分解模型的去噪方法逐渐成为图像处理领域的研究热点。图像的自相似性说明图像中存在着很多重复的结构,可以通过非局部算法查找具有相似结构的相似块来实现。实际问题中,很多实际噪声都可以近似为... 详细信息

近年来,基于图像的自相似性和低秩矩阵分解模型的去噪方法逐渐成为图像处理领域的研究热点。图像的自相似性说明图像中存在着很多重复的结构,可以通过非局部算法查找具有相似结构的相似块来实现。实际问题中,很多实际噪声都可以近似为加性高斯噪声,故可以将图像块矩阵分解成一个低秩矩阵和高斯白噪声矩阵,利用矩阵的秩来约束相似图像块的结构性,即起到了一个非局部结构性稀疏约束。将图像块合理的排列,然后进行恰当的矩阵分解,实质就是找到一个合理的空间,将含噪数据投影到该空间后,能够很方便地将图像信息和噪声信息分割开来。因此本文针对含噪图像找到的大量相似块组成的相似块矩阵,将相似矩阵进行低秩矩阵分解,设计自适应的奇异值收缩阈值,迭代更新自适应的基,最终获得一个比较好的去噪效果,本文工作主要包含以下三个方面:\n (1)针对奇异值硬阈值带来信息丢失严重的问题,提出了基于维纳滤波的非局部低秩去噪算法。由于图像的自相似性,相似的图像块组成的相似块矩阵的结构信息可以利用矩阵的秩进行描述,这样对含噪矩阵进行低秩矩阵分解就可以达到去噪的效果。在进行低秩矩阵分解的过程中,结合维纳滤波的思想,设计自适应的奇异值阈值,对比实验结果表明,该方法不仅能够有效地平滑噪声,同时兼顾保留图像的结构纹理信息。\n (2)任何算法对图像去噪后都会残留着一些信息在方法噪声中,因此利用低秩去噪结果,提出了一种基于方法噪声滤波的非局部图像去噪方法。该方法以基于维纳滤波的非局部低秩去噪的结果进一步作为先验信息,对方法噪声进行两次滤波,将丢失的信息,特别是一些结构纹理、边缘细节信息从方法噪声中提取出来。从提取的差异图中,可以清晰看到找回的纹理信息,对比试验结果表明,本方法在峰值信噪比和结构性的指标上都得到了一定的提高。\n (3)提出了一种基于三维图像块矩阵进行低秩矩阵分解的非局部去噪方法。该方法利用高阶奇异值分解的优势结合图像块自身相似性的特点,有效的找到了一个合理的空间,通过将含噪图像块三维矩阵投影到该空间后,对投影的数据进行统计分析后同时结合高阶奇异值分解的特性,设计了一个基于能量的分层自适应阈值,有效地将图像信息和噪声信息分割开。对比实验结果表明,该方法不仅在平滑区有很好的去噪结果,同时对于结构纹理信息的保持也非常可观。

关键词：图像去噪低秩矩阵分解非局部稀疏模型维纳滤波纹理信息

来源：评论

学校读者我要写书评

暂无评论

基于非局部稀疏模型的字典分析与图像去噪

基于非局部稀疏模型的字典分析与图像去噪

引用

作者：刘家宾西安电子科技大学

学位级别：硕士

图像是人们获取信息的重要来源。然而，由于成像设备及成像条件的限制，图像在采集、转换以及传输过程中不可避免地受到噪声的污染。因此图像去噪在图像处理领域占据着重要的位置，是图像边缘检测、特征提取、图像分割、模式识别等工作... 详细信息

图像是人们获取信息的重要来源。然而，由于成像设备及成像条件的限制，图像在采集、转换以及传输过程中不可避免地受到噪声的污染。因此图像去噪在图像处理领域占据着重要的位置，是图像边缘检测、特征提取、图像分割、模式识别等工作的前提。图像处理中许多实际的噪声可以近似的认为是高斯白噪声，因此去除图像中的高斯白噪声成为图像去噪领域中一个重要的方向。\n 非局部均值滤波器对加性高斯白噪声有较好的抑制作用，这证实了图像块在被噪声污染的情况下仍具有相关性特征。图像稀疏表示研究近年来已成为图像压缩领域研究的热点，并被应用于图像去噪领域，取得了很好的效果。基于非局部稀疏模型的图像去噪方法正是在这样的背景下提出的图像去噪方法，去噪效果显著。本文以该方法为研究基础，主要工作是基于非局部稀疏模型图像去噪方法中字典的研究。主要工作包含以下三个方面：\n (1)提出了基于PCA的非局部稀疏模型图像去噪方法，利用图像的PND字典初始化相似数据集合的稀疏表示字典，并使用相似集合数据进行字典学习更新。使用低冗余字典对相似数据进行稀疏表示去噪，提高了稀疏表示效率。\n (2)提出了基于改进字典的非局部稀疏模型图像去噪方法，使用相似集合中的相似数据来初始化稀疏表示字典，初始化字典经过学习更新后对相似数据进行稀疏表示实现去噪，去噪效果有明显提高。\n (3)提出了基于联合稀疏模型的图像去噪方法，主要是先利用稀疏分解将相似信号分解为公共分量和特征分量，噪声包含在特征分量中，然后为特征分量选择合适的稀疏字典，利用稀疏表示实现去噪。

关键词：非局部稀疏模型图像去噪图像边缘检测特征提取均值滤波器

来源：评论

学校读者我要写书评

暂无评论

基于非局部稀疏模型的SAR图像字典学习及应用

基于非局部稀疏模型的SAR图像字典学习及应用

引用

作者：马可西安电子科技大学

学位级别：硕士

图像作为人类认知、理解外界环境的主要信息来源，并作为最重要的资源之一，始终是人类研究与探索的重要目标。对于图像处理技术的研究从理论以及应用实践方面，都具有十分悠久的历史，并随着人类科学研究、科学技术的发展而持续地进步... 详细信息

图像作为人类认知、理解外界环境的主要信息来源，并作为最重要的资源之一，始终是人类研究与探索的重要目标。对于图像处理技术的研究从理论以及应用实践方面，都具有十分悠久的历史，并随着人类科学研究、科学技术的发展而持续地进步着。稀疏表示理论作为近年来备受关注、广受研究的学术理论，在各个实际应用领域崭露头角。本文在稀疏表示理论的背景环境下，重点研究了基于残差滤波与局部字典滤波的全局字典学习方法，并将全局学习字典应用到图像去噪、分类等重要研究领域。提出了针对具有乘性斑点噪声的SAR图像字典学习去噪算法以及基于特征提取和稀疏表示的SAR图像字典学习分类算法，均取得了较好的效果。本文所做工作可以分为以下两个部分：　　（1）基于加权的K-SVD算法以及非局部联合稀疏模型，通过引入残差滤波的概念，提出了一种新的建立在非局部稀疏模型与残差滤波上的SAR图像字典学习算法，优化了加权K-SVD算法对SAR图像斑点噪声进行处理时容易受到斑点噪声干扰、字典学习不充分的缺陷。通过具体的实验验证了新方法对于字典学习的有效提升，并与当前效果较好的数种算法进行去噪、分类效果比较。　　（2）提出了基于SVD字典的残差滤波方法，通过建立相似集合的主邻域字典，起到联系相似集合与其对应残差集合的作用，借助两者之间的相关性利用主邻域字典进行更为彻底的残差滤波，提出了基于改进的SVD字典残差滤波的SAR图像字典学习算法，实验证明在斑点噪声较为强烈、地物目标比较复杂的SAR图像中该算法具有较好的去噪效果，同时利用该算法学习得到的字典在基于字典的SAR图像分类应用中取得了较好的效果。

关键词：合成孔径雷达非局部稀疏模型字典学习图像去斑图像分类残差滤波

来源：评论

学校读者我要写书评

暂无评论

基于PCA稀疏描述的分布式视频编码

引用

南京邮电大学学报（自然科学版） 2013年第4期33卷 1-5,12页

作者：陈瑞糜正琨南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003 南京工程学院通信工程学院江苏南京211167

在研究视频信号的非局部稀疏模型的基础上,提出了一种适合分布式视频编码的视频信号稀疏描述算法。在解码端,对非关键帧解码时,首先由已重建的关键帧生成边信息SI,然后在这两帧中寻找非关键帧当前块的L个相似块,作为一个类,最后利用这... 详细信息

在研究视频信号的非局部稀疏模型的基础上,提出了一种适合分布式视频编码的视频信号稀疏描述算法。在解码端,对非关键帧解码时,首先由已重建的关键帧生成边信息SI,然后在这两帧中寻找非关键帧当前块的L个相似块,作为一个类,最后利用这个类生成PCA子字典,并将所有块的子字典集合起来构成非关键帧的字典,进行视频重建。通过与典型的信号稀疏描述方法进行对比,实验结果显示,重建的PSNR值平均提高2 dB,主观视觉质量也有较大的提高。

关键词：压缩感知分布式视频编码 PCA字典非局部稀疏模型

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的分布式视频编码研究

基于压缩感知的分布式视频编码研究

引用

作者：武明虎南京邮电大学

学位级别：博士

目前，随着无线通信技术的迅速发展，对无线视频通信的需求与日俱增。然而，广泛应用于有线网络的传统视频编码技术在无线通信系统中面临着较大挑战：视频终端编码器计算复杂度和能耗受到严格限制，且信道不稳定使重建视频质量无法得到... 详细信息

目前，随着无线通信技术的迅速发展，对无线视频通信的需求与日俱增。然而，广泛应用于有线网络的传统视频编码技术在无线通信系统中面临着较大挑战：视频终端编码器计算复杂度和能耗受到严格限制，且信道不稳定使重建视频质量无法得到确保。因此，在未来无线视频通信中，需要考虑采用新理论和新技术进行视频的高效、可靠压缩。分布式视频编码（Distributed Video Coding，DVC）是无线通信领域的一种有效的视频编码传输方式，能够将计算复杂度从编码端转移到解码端，具有编码复杂度低、压缩效率高、鲁棒性好的优点。基于信号稀疏性的压缩感知（Compressive Sensing，CS）技术可在信号的采集过程中同时完成信号压缩，节省了存储空间和计算资源，使编码部分得以简化。将压缩感知理论应用于分布式视频编码，形成了分布式视频压缩感知（Distributed Compressive Video Sensing，DCVS）视频编码方式。DCVS充分利用了二者的优点，非常适合于能量、带宽等资源受限的无线视频传输场合，引起了视频编码领域研究人员的普遍关注。本学位论文针对无线视频通信系统面临的问题，以分布式视频压缩感知为研究课题，在保证编码端低复杂度的前提下，以提高视频率失真性能为目的，深入研究分布式视频压缩感知中的若干项关键技术，在以下四个方面获得研究成果： 1.针对在分布式视频压缩感知中，视频信号稀疏描述问题，提出一种自适应全局PCA的视频稀疏描述算法。借助主成分分析工具，充分挖掘视频序列的时空相关性，建立视频信号的非局部稀疏模型，通过在已经重建的关键帧中寻找匹配块，并计算由这些匹配块构成样本集的主成分，利用这个主成分对应的矩阵构造一种能够自适应选择、全局的PCA字典，对视频信号更准确的稀疏描述，提高分布式视频压缩感知的率失真性能。 2.针对视频压缩感知系统中解码重建问题，从率失真性能和解码复杂度等方面比较现有的视频压缩感知重建算法，在正则化理论的基础上，充分利用视频信号的稀疏特征，进行更准确的稀疏描述，结合视频信号的非局部先验，提出了一种更适合无线传输的基于混合先验（稀疏和非局部相似性）的分布式视频压缩感知重建算法。该方法根据视频信号的时间和空间的冗余特征，构造非局部相关正则化项和PCA稀疏字典，形成新的CS重建目标函数，构建CS重建方程，利用迭代梯度下降法求解。在求解过程中充分利用中间重建的结果，不断对正则化参数进行更新并重建，如此循环迭代，最后得到最优解。其特点是将视频信号的稀疏先验和视频信号的时间和空间相关先验融合，并将其作为正则化项引入到视频重建算法过程中，大大减少了图像边缘和纹理区域出现的块效应和模糊现象，提高了重建的视频帧的质量。改善了DCVS系统的编码性能。 3.针对DCVS系统中测量率分配和字典训练问题，提出了一种自适应测量率分配策略和与之匹配的字典训练法以改善系统的率失真性能。在编码端，关键帧进行高测量率的CS测量，非关键帧采用基于自适应测量率分配的分块CS测量。在解码端，首先利用解码的关键帧和测量率分配策略，动态地分配非关键帧中每块的测量率，通过反馈信道将测量率分配信息传输至编码端；接着，通过解码的关键帧获得边信息，并通过自适应训练获得最优字典；最后利用CS重建算法进行视频解码重建。通过改进测量率分配策略和字典训练方法，能够有效提高整个DCVS系统编码性能。实验仿真验证了算法的可行性和有效性。 4.为了检验DCVS系统的有效性，设计出一种移动视频通信实验系统，在该系统中，手机终端使用低计算负担和低功耗的CS视频编码器，输出比特流在固定基站或网络服务器中实现CS视频解码，并再次使用传统的H.264/MPEG视频编码器转换成比特流，发送到手机终端，以实现低复杂度解码。仿真实验表明，即使在低码率的情况下仍然能获得较高的视频质量。

关键词：压缩感知稀疏表示分布式视频编码分布式视频压缩感知主成分分析非局部稀疏模型非局部相似性混合先验自适应测量率分配字典训练

来源：评论

学校读者我要写书评

暂无评论

基于聚类和加权非局部的图像稀疏去噪方法研究

基于聚类和加权非局部的图像稀疏去噪方法研究

引用

作者：曾旭天津理工大学

学位级别：硕士

图像是人们得到信息的重要途径,在很多领域中都需要通过图像作出判断或者解释现象,例如遥感探测,医学诊断等。但是在获取和传输图像的过程中,还是会或多或少的受到噪声的干扰。所以对图像进行去噪处理就具有了非常重要的现实意义。近年... 详细信息

图像是人们得到信息的重要途径,在很多领域中都需要通过图像作出判断或者解释现象,例如遥感探测,医学诊断等。但是在获取和传输图像的过程中,还是会或多或少的受到噪声的干扰。所以对图像进行去噪处理就具有了非常重要的现实意义。近年来,人们对稀疏表示理论进行了广泛的研究,并成功的将其应用到图像去噪上。该方法的理论依据在于一幅无噪声的图像在合适的过完备字典下可以进行稀疏表示,因此可以通过重构原始图像的方法来达到去除噪声的目的。本文在稀疏表示理论的基础上进行了图像去躁方法的研究,主要的工作在于以下两个方面:首先提出了一种基于聚类和K-SVD的图像去噪模型。传统的K-SVD算法在训练样本的选取时,并没有考虑到图像的结构特性差异。我们的模型从图像的结构特性差异出发,利用聚类算法将图像相似的结构分为一类,之后对每一类图像训练字典,这样就使得该字典能够更好地用于表示这一类图像结构,保护细节特性。其次提出一种加权重的非局部稀疏图像去噪模型。该模型将非局部均值计算权重的方法引入到了非局部稀疏模型当中,使得相似集合中图像块的相似程度之间有所区别,因此可以得到更加适合表示该集合内图像块的字典原子,从而得到更好的去噪效果。

关键词：稀疏表达 K-SVD 聚类权重非局部稀疏模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：