基于學(xué)習(xí)字典的圖像感知壓縮研究

1、基于學(xué)習(xí)字典的圖像感知壓縮研究 答 辯 人：指導(dǎo)老師：目錄選題背景及意義研究現(xiàn)狀研究的主要內(nèi)容研究方案時(shí)間安排 選題背景及意義選題背景及意義選題背景隨著信息技術(shù)的不斷發(fā)展與完善，人類對(duì)信息的需求和對(duì)信息精度的要求也與日俱增。在人類獲取的信息中，基于視覺的信息占了絕大部分，圖像作為視覺信息的客觀載體以其生動(dòng)直觀、信息量豐富的特點(diǎn)越來越受到關(guān)注。選題背景及意義選題背景為滿足人類對(duì)信息量和精度的需求，圖像采集設(shè)備不斷優(yōu)化，使得采集到圖像的分辨率不斷提高、精度不斷提升，從而使得圖像的的數(shù)據(jù)量急劇增加。這種圖像數(shù)據(jù)量的大幅度增加給目前硬件設(shè)施下的圖像傳輸與存儲(chǔ)帶來了嚴(yán)重的挑戰(zhàn)。42722848選題背景及

2、意義選題背景近年來，壓縮感知理論（Compressed Sensing，CS）作為一種新穎的理論走進(jìn)人類的視野。由于可以利用少量的樣本信號(hào)通過非線性重構(gòu)算法高精度恢復(fù)原始信號(hào)的特點(diǎn)，壓縮感知理論在信號(hào)處理領(lǐng)域和圖像處理領(lǐng)域得到了快速發(fā)展。因此正是基于壓縮感知理論的這種優(yōu)勢(shì)我們將其引入到圖像的壓縮中，尤其是高分辨率的感知壓縮過程中。 =*20*16*206*1XyXy選題背景及意義目前存在的問題高分辨率和高光譜影像的發(fā)展使得數(shù)據(jù)量大幅增加，給傳輸和保存帶來嚴(yán)重挑戰(zhàn)；傳統(tǒng)系統(tǒng)無法實(shí)現(xiàn)對(duì)高分辨率和高光譜影像等大數(shù)據(jù)量圖像的實(shí)時(shí)、高效壓縮和高精度的重建；選題意義1：旨在探索大數(shù)據(jù)量影像的有效壓縮方法；

3、2：旨在探索壓縮感知在圖像壓縮中的應(yīng)用模式及利用壓縮感知理論壓縮圖像的系統(tǒng)流程及模型；3：旨在應(yīng)用壓縮感知理論實(shí)現(xiàn)圖像的高效壓縮、高精度重建、降低硬件資源的消耗，克服編碼端和解碼端資源不均衡的問題；目錄選題背景及意義研究現(xiàn)狀研究的主要內(nèi)容研究方案時(shí)間安排研究現(xiàn)狀研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀圖像壓縮大致可以分為兩類靜態(tài)壓縮和動(dòng)態(tài)壓縮。靜態(tài)壓縮是指單獨(dú)圖像的壓縮處理；動(dòng)態(tài)壓縮則偏向于視頻流的壓縮處理；目前應(yīng)用于靜態(tài)圖像壓縮的方法主要是聯(lián)合國(guó)圖像專家組JPEG（Joint Photographic Experts Group）于2000年制定的JPEG2000標(biāo)準(zhǔn)。研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀編碼端解碼端研究現(xiàn)

4、狀國(guó)內(nèi)外研究現(xiàn)狀隨著壓縮感知理論的不斷完善和發(fā)展，基于壓縮感知理論的圖像壓縮研究逐漸受到研究者的關(guān)注。其大致流程均可用下述流程圖加以詳解目前存在的基于壓縮感知理論的壓縮編碼方式大致可分為兩種：基于圖像全局信息的感知壓縮模型和基于分塊圖像信息的感知壓縮模型。研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀基于圖像全局信息的感知壓縮模型基于全局信息的感知壓縮模型是將圖像數(shù)據(jù)轉(zhuǎn)換為列向量然后再進(jìn)行感知壓縮。512*512(512*512)*1Xy研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀基于分塊圖像信息的感知壓縮模型基于分塊圖像信息的感知壓縮模型則是將圖像按照相應(yīng)的分塊尺寸分為多個(gè)圖像局部塊，然后再對(duì)塊狀數(shù)據(jù)進(jìn)行感知壓縮512*51216*16

5、256*1Xy研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀由于壓縮感知理論認(rèn)為信號(hào)本身或者信號(hào)在對(duì)應(yīng)的變換域是稀疏的，因此針對(duì)待壓縮的信號(hào)通常要對(duì)其在相應(yīng)的基或字典下進(jìn)行變換使得變換后的信號(hào)滿足稀疏性的條件。因此當(dāng)獲得具體待處理信號(hào)時(shí)，我們通常需要對(duì)其在相應(yīng)的變換域或者字典下進(jìn)行變換，從而獲得相應(yīng)的稀疏表示系數(shù)矩陣。由壓縮的公式 可知，X為我們當(dāng)前待壓縮的信號(hào)，因此為保證其稀疏性需要對(duì)其在相應(yīng)的變換域或者字典D下通過 實(shí)現(xiàn)變換，獲得的稀疏系數(shù)矩陣s.XyDsX 研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀目前應(yīng)用于信號(hào)稀疏表示的字典的構(gòu)造方法一般分為兩種：解析方法和學(xué)習(xí)方法?；诮馕龇椒?gòu)造的字典通常是根據(jù)預(yù)先定義好的某種數(shù)學(xué)變換或者分

6、析方法構(gòu)造的，字典中每個(gè)原子都是通過數(shù)學(xué)函數(shù)或少量參數(shù)刻畫的。如離散余弦變換、小波變換、雙樹復(fù)數(shù)小波變換、輪廓波變換、Shearlet和Grouplet等雖然該方法結(jié)構(gòu)簡(jiǎn)單、計(jì)算復(fù)雜度低，但是原子的基本形狀固定，原子的形態(tài)不夠豐富。研究現(xiàn)狀國(guó)內(nèi)外研究現(xiàn)狀基于學(xué)習(xí)方法構(gòu)造的字典是由先驗(yàn)數(shù)據(jù)作為樣本經(jīng)過訓(xùn)練學(xué)習(xí)算法獲得的，其最終形態(tài)取決于當(dāng)前學(xué)習(xí)字典時(shí)所用的樣本數(shù)據(jù)。字典學(xué)習(xí)的算法中，最優(yōu)方向法、廣義PCA方法、K-SVD方法逐漸被應(yīng)用到字典學(xué)子中。其原子數(shù)量更多、形態(tài)更豐富，能更好地與信號(hào)或圖像本身的結(jié)構(gòu)匹配，使得信號(hào)在字典下具有更稀疏的表示。目錄選題背景及意義研究現(xiàn)狀研究的主要內(nèi)容研究方案時(shí)間

7、安排研究的主要內(nèi)容研究主要內(nèi)容研究目標(biāo)本文將針對(duì)當(dāng)前大數(shù)據(jù)量圖像傳輸和保存中存在的難點(diǎn)，通過研究字典學(xué)習(xí)算法的最優(yōu)化方法獲得相應(yīng)的最優(yōu)化學(xué)習(xí)字典使得待壓縮數(shù)據(jù)在字典下的能夠達(dá)到最優(yōu)稀疏表示從而提高利用學(xué)習(xí)字典實(shí)現(xiàn)圖像感知壓縮、重構(gòu)的質(zhì)量，進(jìn)而實(shí)現(xiàn)圖像在壓縮感知理論下的高效壓縮、低能源消耗和高精度重建的系統(tǒng)模型的構(gòu)建。研究主要內(nèi)容研究主要內(nèi)容基于目前傳統(tǒng)圖像壓縮系統(tǒng)編碼解碼資源消耗不均衡、壓縮耗時(shí)長(zhǎng)、壓縮效率不高的問題以及目前圖像感知壓縮的現(xiàn)狀，結(jié)合本文的研究目標(biāo)，本文的研究?jī)?nèi)容分為兩部分： 字典學(xué)習(xí)優(yōu)化算法研究 感知壓縮系統(tǒng)模型的研究研究主要內(nèi)容最優(yōu)化字典學(xué)習(xí)算法研究信號(hào)的稀疏性決定了壓縮感知

8、系統(tǒng)的性能，而信號(hào)的稀疏性取決于所使用的變換基或字典的適應(yīng)性，字典的適應(yīng)性越好則信號(hào)在當(dāng)前字典下可以達(dá)到最優(yōu)的稀疏表示，從而提高系統(tǒng)的性能。因此最優(yōu)化字典學(xué)習(xí)算法作為本文的研究?jī)?nèi)容之一最優(yōu)化字典學(xué)習(xí)算法代價(jià)函數(shù)的優(yōu)化選擇字典魯棒性研究研究主要內(nèi)容代價(jià)函數(shù)的優(yōu)化選擇由稀疏表示的定義式 可知，欲求的稀疏表示系數(shù)矩陣 并保證稀疏系數(shù)能夠滿足給定稀疏條件則可通過求解 ，求得稀疏系數(shù)s，也稱為稀疏度為k的稀疏系數(shù)。 DsX sksDsXs1| |,|minargksDsXs1| |,|minarg),(),(|minargXDsPXDsJDsXs研究主要內(nèi)容字典魯棒性研究由于采集和傳輸通道的影響最終獲得

9、的數(shù)據(jù)會(huì)引入噪聲，這時(shí)字典的適用性將受到嚴(yán)重的考驗(yàn)。為了保證學(xué)習(xí)字典的適用性，因此怎樣提高字典的魯棒性、增強(qiáng)字典的適用性作為本文的研究之一。研究主要內(nèi)容感知壓縮模型的分析由于目前圖像感知壓縮尚未有確定性的系統(tǒng)模型，因此在獲得具有良好適應(yīng)性字典的基礎(chǔ)上，如何將字典引入到感知壓縮系統(tǒng)模型中將是本文的另一個(gè)研究?jī)?nèi)容。通過對(duì)系統(tǒng)模型的研究著重探索編碼和解碼端信號(hào)在字典下稀疏性系數(shù)應(yīng)用的研究，同時(shí)將系統(tǒng)的自適應(yīng)性作為系統(tǒng)研究的重要研究?jī)?nèi)容之一。研究主要內(nèi)容擬解決的關(guān)鍵問題 字典學(xué)習(xí)中稀疏性約束目標(biāo)函數(shù)的設(shè)計(jì) 學(xué)習(xí)字典的適應(yīng)性程度是影響信號(hào)在學(xué)習(xí)字典下稀疏程度、影響著重構(gòu)精度的的重要因素也是決定壓縮方法是

10、否可行的關(guān)鍵。 合理的稀疏性約束目標(biāo)函數(shù)設(shè)計(jì)是學(xué)習(xí)字典過程中的重中之重，一個(gè)合理的目標(biāo)函數(shù)既決定了字典的適應(yīng)性程度，也影響著字典學(xué)習(xí)的效率。 如何利用現(xiàn)有的訓(xùn)練數(shù)據(jù)，通過數(shù)據(jù)分析設(shè)計(jì)合理的目標(biāo)函數(shù)是字典學(xué)習(xí)過程中的難題，也是本文的關(guān)鍵問題之一。研究主要內(nèi)容擬解決的關(guān)鍵問題 壓縮模型的自適應(yīng)性研究 由于圖像本身或圖像在當(dāng)前字典或者變換基下稀疏表示后的系數(shù)并不是一致稀疏的，即圖像由于局部特征的差異在不同的局部信號(hào)內(nèi)會(huì)呈現(xiàn)不一致的稀疏特性。 局部圖像信息量豐富時(shí)則信號(hào)呈現(xiàn)較低的稀疏度，局部圖像信息量較少時(shí)則信號(hào)呈現(xiàn)較高的稀疏度，因此對(duì)于不同局部圖像選擇合適的壓縮率即可以提高壓縮效率同時(shí)也提高重構(gòu)的精

11、度。 因此本文把如何利用圖像的稀疏度或者其他信息實(shí)現(xiàn)不同局部圖像采用不同壓縮率進(jìn)行壓縮作為系統(tǒng)模型研究中的關(guān)鍵問題。目錄選題背景及意義研究現(xiàn)狀研究的主要內(nèi)容研究方案時(shí)間安排研究方案研究方案 為驗(yàn)證論文所提算法的性能，論文的實(shí)驗(yàn)包括算法實(shí)驗(yàn)和應(yīng)用實(shí)驗(yàn)兩部分 算法實(shí)驗(yàn)： 學(xué)習(xí)字典感知壓縮方法對(duì)圖像壓縮率以及計(jì)算資源、存儲(chǔ)資源消耗的影響； 字典學(xué)習(xí)代價(jià)函數(shù)優(yōu)化算法對(duì)學(xué)習(xí)字典適用性和稀疏精度的影響。應(yīng)用試驗(yàn)： 圖像處理標(biāo)準(zhǔn)圖像庫圖像，在標(biāo)準(zhǔn)測(cè)試庫圖像的基礎(chǔ)上實(shí)現(xiàn)算法的原理驗(yàn)證和初步性能評(píng)估； 遙感圖像資源，利用算法對(duì)遙感圖像的處理進(jìn)一步驗(yàn)證算法的廣域適應(yīng)性。研究方案實(shí)驗(yàn)方法： 實(shí)驗(yàn)主要以仿真實(shí)驗(yàn)對(duì)比結(jié)果為主。本文中主要是對(duì)比文章所設(shè)計(jì)的算法方案在處理同一副圖像時(shí)與現(xiàn)有算法的區(qū)別，從壓縮時(shí)間、要縮率、重建精度三個(gè)方面分析當(dāng)前算法的性能。目錄選題背景及意義研究現(xiàn)狀研究的主要內(nèi)容研究方案時(shí)間安排時(shí)間安排時(shí)間安排2015年 7 月至2015年 8 月，查詢資料熟悉壓縮感知及字典學(xué)習(xí)的相關(guān) 理論