图像稀疏分解论文：图像稀疏分解论文：数字图像差分进化稀疏分解及压缩
【中文摘要】随着社会信息化程度的不断提高图像信息随处可见而图像压缩作为图像处理中的一个重要环节也被广泛应用于现代科学技术的多个领域。目前人们已经提出了多种图像压缩方法并形成了一系列图像压缩标准。这些压缩标准大都是基于图像正交变换的在高比特率压缩时可以取得良好的效果但在低比特率条件下的解码图像质量却不尽如人意满足不了人们的图像压缩需求。比如：JPEG压缩标准一般在02bpp以下便会出现方块效应而JPEG2000压缩标准则在低比特率条件下会出现蚊式噪声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。近年来兴起的稀疏分解是一种非正交的分解将图像分解在过完备原子库上从而得到图像的稀疏表示该表示结果非常简洁也符合人眼的视觉特性。由于图像稀疏分解的优良特性使其成为解决低比特率下图像压缩问题的新途径。本文则主要围绕利用稀疏分解实现图像压缩这一问题展开研究首先针对图像稀疏分解中计算量大的问题引入差分进化算法并对这种算法进行深入研究从而得到图像的稀疏表示在此基础上研究高效的编码方法。本论文的主要工作及研究成果如下：1介绍了图像稀疏分解的核心思想以及图像的稀疏表示并就图像稀疏分解过程中计算量大的问题引入差分进化算法给出基于差分进化算法的图像稀疏分解流程和实现过程。2为了在图像稀疏分解之后得到高质量的原子和投影分量信息进一步研究差分进化算法给出一种基于种群多样性的差
f分进化算法并将其应用到图像稀疏分解。首先分析了现有的五种不同差分策略的性能特点通过稀疏分解重建图像质量的对比选取最佳策略；其次充分考虑了寻优过程中随着迭代次数的增加种群的多样性不断下降的问题以种群多样性的度量值代替固定的迭代次数作为终止条件进行寻优。实验结果表明与文献中基于粒子群算法的图像稀疏分解方法及传统差分进化算法相比同等条件下该算法可以有效的提高重建图像的峰值信噪比能更准确、有效的得到图像的稀疏表示。3根据图像稀疏表示的六个分量的分布规律分析了传统的排序差分编码的不足给出一种变码长编码的压缩算法。该算法首先对分解结果数据中的投影分量进行排序差分处理接着再对信息量比较大的差分分量、两个平移分量和一个旋转分量按照原子个数均各自分配一个码长而对于分布范围比较小的两个尺度分量采用定长编码。实验结果表明与文献中排序差分压缩算法比较r