文档介绍：摘要西南交通大学硕士研究生学位论文果;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尽人意。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。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,所以根据图像排序后的投影分量进行预处理,从而大幅度降低了投影分量的取值范围。对结第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,在图像低压缩比压缩,即高比特率图像压缩时,这些方法可以取得良好的压缩效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,从而引起研究人员的重视。基于其良好特性,~维信号的稀疏分域中的应用,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。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,从雨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墓建图像质量。针对以上方案进行分析,发现仍存在着一定缺点。特别是图像稀疏表示中投影分量的编码占用了较长的位长,造成编码效率不是非常高。因此,若能有效提高投影分量的编码效率,就能明显提高整体结果数据的编码效率。据此,本文根据投影分量对图像稀疏分解结果数据进行排序,然后使用差分的方法对果数据做这样的预处理能够大幅度提高图像稀疏分解结果数据的编码效率。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
知识水坝***@pologoogle为您整理
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。同时在西南交通大学硕士研究生学位论文第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。关键词:图像处理;图像压缩;稀疏分解;稀疏表示:差分
知识水坝***@pologoogle为您整理
第⋯,,,....,痶甋琤甀瓵,瑆琲,,.’
,·畉,,,.:;籗籗;
第绪论论文选题依据匿南交通大学硕士研究生学位论文随着科学技术的发展,每天都有大量的信息通过数字方式进行存储、处理和传输,现代社会已经进入了信息时代,而图像是人类获取信息的重要来源。掘统计,人类获取外部世界信息的%来源于视觉。“杉枷褡魑;袢『痛输信息的重要媒体和手段是十分重要的。数字图像处理技术起源于世纪年代“”甘甑难芯亢头⒄梗数字图像处理技术已成为懒⒀Э疲惴河τ糜诰隆⒁窖А⒌缱蛹际酢航空航天、计算机技术等多个领域。特别是随着计算机技术的发展,数字图像处理技术被应用于现代社会的各个方面,并成为一种有力的工具应用于科学研究之中。通常表示一幅未经压缩的图像需要大量的数据,若直接对其存储或传输,则会涉及巨量的数据运算,占用巨大的存储空间和带宽。因此在图像存储和传输之海斜匾6酝枷袷萁醒顾酢M枷裱顾亦成为图像处理过程中的关键环节。图像压缩所要解决的问题是尽量减少表示数字图像时需要的数据量。减少数据量的基本原理是去除其中的各种冗余。以数学的观点来看,这一过程实际就是将二维像素阵列变换为一个在统计上无关联的数据集合。这种变换一般是在图像存储或传输之前进行,在以后的某个时候,再对压缩图像进行解压缩来重构原图像或原图像的近似图像。随着技术的不断进步,研究人员提出了多种图像压缩方法,各种图像压缩标准也不断被制定。这些图像压缩方法在各个领域得到了广泛应用。然而,传统的图像压缩方法大都基于信号的槐浠唬缋肷⒂嘞冶浠虺艱⑿〔ū浠痶,简称等。这些方法将图像从空问域转换到变换域,然后对其进行量化、编码从而达到压缩的同的。这些方法有效的减少了图像表示的冗余,取得了良好的压缩效果,因而广泛应片谛矶嗔煊颉H欢车耐枷裱顾醴椒ㄉ胁荒苈阃枷裨诘捅特率压缩方面的要求,因此,需要发展一种新的图像压缩方法,来较理想的实现图像低比特率压缩。本文以静止图像为研究对象,研究了近些年逐渐兴起的信号稀疏分解方