4.1 正则化参数λ的影响 24
4.2 迭代次数K的影响 29
4.3 字典大小k的影响 29
4.4 KSVD算法与几个经典的流行的算法的比较 29
4.5 本章小结 31
结论 32
致 谢 33
参考文献34
引言(或绪论)
研究背景与意义
在人类获取的信息中,约20%的信息来自听觉,约60%的来自视觉,而来自其它觉、触觉、嗅觉等的信息加起来不超过20%,既大部分是从图像中获得的。图像是人们主要的信息源泉,而且图像信息具有很多优点,它信息量大,传输距离远,而且传输速度快。数字图像能够直观地表达视觉信息,而海量的图像数据给实际的存储、传输和理解带来相当的困难。因此,如何根据图像固有性质和人类视觉特性寻求高效的图像表示方法,具有十分重要的意义。然而,图像在生成和传输的过程中难免会受到外部噪声的影响,降低了图像的质量,这个不但不符合人们的视觉效果,并且对图像的后续的处理也是很不利的。所以在图像的预处理阶段,对图像进行去噪,这是很有必要的,因为这能提高图像的信噪比。并且图像的去噪具有很强的理论意义和应用价值。对不同类别的物体可提取不同的图像特征,得到对各个物体具有强表示能力的特征集为字典,则若对一类图像可以找到这样的字典,那么利用字典则可以很小误差地稀疏表示这类图像。 图像去噪是图像处理的主要环节,图像去噪的好坏直接影响着图像的后期处理,对图像的去噪便是一种很好的滤波处理方法,使得在抑制噪声的同时并且很好的保持图像的边缘,这对图像的后期处理有很大的好处。图像去噪的领域也是非常广泛的[17]:
航空航天遥感领域:城市遥感,农业遥感,地球资源,天气预报
a)模糊的图像 b)去噪后的图像
图1.1 城市立交高架图像
生物医学领域:CT,X医学图像,超声波图像等等
a)模糊的图像 b)去噪后的图像
图1.2 显微镜下的细胞图像
3.工业探伤领域:零件探伤
a)模糊的图像 b)去噪后的图像
图1.3 工业探伤图片
4.公安监控领域:车牌监控领域,违反人员监控
a)模糊的图像 b)去噪后的图像 基于KSVD的图像稀疏编码算法与性能基准分析软件(2):http://www.youerw.com/jisuanji/lunwen_14246.html