基于Gabor感知多成份字典的图像稀疏表示算法研究.pdf

万方数据

基于Gabor感知多成份字典的图像稀疏表示算法研究肖亮1韦志辉zMulti—componentminIInll0(1)孙玉宝-邵文泽tImages调和分析认为，图像可以表示为一组基函数的线性组合，如Fourier基函数、小波函数等．受人类视觉皮层神经元响应的稀疏性启发[1】’Olshausen提示(Sparserepresentation)[2一引．稀疏表示模型要求图像线性展开中大部分基函数的系数为零，只有少数基函数具有较人的非零系数．这里称基函数为原子，所有原子信号的集合为字典．稀疏表示使信号能量只集中于较少的原子，具有非零系数的原子揭示了信号的主要特征与内在结构．它在图像处理与计算机视觉中应用广泛，许多问题的有效解决都依赖于信号的稀疏表示，如图像恢复、图像压缩、模式分图像是一种具有多种结构成份的二维复杂信号，当前的正交变换系统很难对其形成有效表示．增加字典中原子个数形成非正交的冗余系统可提高匹配的灵活性，有利于形成对图像这类复杂信号的稀疏表示．当字典中原子个数L大于信号维数Ⅳ且字典中包含Ⅳ个线形无关的向量能够张成整个信号空间时，字典为过完备的(Overcomplete)或冗余的(Redundant)．信号在此冗余字典下的分解并不唯一，这为信号的自适应表示提供了可能．由于稀疏表示的广泛应用，可依据稀疏性度量标准寻求信号在此字典卜．的最稀疏表示．这里采用‰范数度量信号的稀疏性，基于冗余字典的信号稀疏表示模型为s．t．，=西aRepresentationsGaborDictionaryWEIWen-Zel出了一种对自然图像更为有效的表示方法：稀疏表Research类等．第34卷第11期2008年11月自动化学报摘要如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典，进而形成对图像的稀疏分解是当前研究者关沣的热点问题．根据图像的几何结构特性，从人类视觉系统特性出发，建立丫匹配各层面图像结构的Gabor感知多成份字典，进而提出一种高效的基于匹配追踪的图像稀疏分解算法．实验结果表明：Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的白适应性，与Anisotropicrefinement—Gaussian(AR-Gauss)混合字典相比以较少的原子实现_r对图像更为高效的稀疏分解．关键词稀疏表示，视觉感知，几何结构，Gabor感知多成份字典，匹配追踪中图分类号TN911．73SparseofbyPerceptionstructuresOurdictionarycompletecharacterizationgeometryrefinement—Gaussian(AR-Gauss)mixedperception，geometricalpursuit国家高技术研究发展计划(863计划)(2007AAl2E100)，国家自然科学基金(60672074)，}I：苏省自然科学基金(BK2006569)，中同博士后科学基金(20060390285)，rI：苏省博十后科学摹金(200601005B)，教Program)f2007AAl2E100)，Na-Technology,NanjingDOI：10．3724／SP．J．1004．2008．01379ACTAAUTOMATICASINICAV01．34，No．11Novermber，2008SUNYu_Ba01XIAOLian91Zhi．Hui2SHAOAbstractItcurrentlyhotresearchthathowdesigneffectiveover-completematchingvariousgeometricimagesprovideimages．Amulti-componentimageconstructedtermsandthecharacterHVS．Furthermore，analgorithmbasedmethodproposeddecompositionwithdictionary．Theexperimentalindicatepreciselocalstructures，suchplain，edgeimages．Incomparisondictionary，hasmuchimages．Keywordsstructure，multi-componentdictio-nary,matching收稿F1期2007-09—20收修改稿几期2007-12．25SeptemberformDecember育部高校博上点专项科研摹金(M200606018)资助SupportedHigh，IkhnologyChina(863China(60672074)，NaturalChina(BK2006569)，Foundation(20060390285)，Po