基于稀疏表示的图像增强方法研究

毕 业 论 文

基于稀疏表示的单帧图像超分辨重

建算法研究

学生姓名： 丁 龙 学号：1005014220

学 院： 信息与通信工程学院 专 业： 电子信息科学与技术 指导教师： 杨学峰

2014 年 6 月

中北大学2014届毕业论文

摘 要

图像超分辨技术不需要改变现有物理设备,只要采用适当的数字信号处理技术,就能获得满足需要的高分辨率图像,在技术上和成本上具有较大优势,因此被越来越多地应用于高清数字电视、军事遥感监测、公共安全和医学成像等领域。相对于多帧重建技术,单帧图像超分辨率技术在重建时仅需要一幅实际场景中的低分辨率图像就能估计出相同场景下的高分辨率图像,在一些应用中更能满足实际应用需求。基于稀疏表示的超分辨率方法,是单帧图像超分辨率重建方法研究的新方向。因此,本文研究目标是单帧图像超分辨率重建技术,重点研究基于稀疏表示的图像超分辨率重建技术。

本文首先讨论了单帧图像超分辨重建技术的算法模型和

武汉理工大学毕业设计（论文）

图像稀疏表示理论研究

学院（系）： 信息学院 专业班级： 电信1001班 学生姓名： 朱玉峰 指导教师： 杨媛媛 讲师

学位论文原创性声明

本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。

作者签名：

年 月 日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、保密囗，在 年解密后适用本授权书

2、不保密囗 。

（请在以上相应方框内打“√”）

作者签

武汉理工大学毕业设计（论文）

图像稀疏表示理论研究

学院（系）： 信息学院 专业班级： 电信1001班 学生姓名： 朱玉峰 指导教师： 杨媛媛 讲师

学位论文原创性声明

本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。

作者签名：

年 月 日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、保密囗，在 年解密后适用本授权书

2、不保密囗 。

（请在以上相应方框内打“√”）

作者签

摘 要

摘 要

图像去噪即从一张带有噪声的图像中去除其中所包含的附加噪声。本文主要研究基于稀疏表达的高斯噪声和椒盐噪声去噪模型与算法。由于高斯噪声和椒盐噪声特性的不同，我们分别对高斯噪声和椒盐噪声建立了模型。使得针对不同的噪声应用相应的模型处理可以得到更好的去噪效果。

首先，我们学习与研究基于稀疏表达的高斯噪声图像模型。该类算法和模型的基本思想是将原始图像表达为局部的基元线性组合，并约束线性组合系数的稀疏性，从而建立解决去噪问题的能量函数，在极小化过程中通过OMP和K-SVD算法优化该能量函数。在实现中，我们可以用离散余弦变换（DCT）构造其中的基元组，也可以自适应的学习该基元组。我们实现了该算法，并应用于高斯噪声图像的去噪问题。

另一方面，我们研究椒盐噪声的图像去噪问题。我们发现，应用经典的稀疏表达模型会在处理去除椒盐噪声图像中失效，因此我们提出一种新的基于稀疏性的椒盐噪声图像去噪模型。结合椒盐噪声的特性，我们用更为鲁棒的带权稀疏表达模型，在使用基元组时采用DCT基元组，并通过OMP方法优化该稀疏表达模型。通过实验表明，该方法相对于经典的稀疏表达模型能更好的去除椒盐噪声。

关 键 词：图像去噪；基元表示；OMP；K-SVD；稀疏编码

摘 要

摘 要

图像去噪即从一张带有噪声的图像中去除其中所包含的附加噪声。本文主要研究基于稀疏表达的高斯噪声和椒盐噪声去噪模型与算法。由于高斯噪声和椒盐噪声特性的不同，我们分别对高斯噪声和椒盐噪声建立了模型。使得针对不同的噪声应用相应的模型处理可以得到更好的去噪效果。

首先，我们学习与研究基于稀疏表达的高斯噪声图像模型。该类算法和模型的基本思想是将原始图像表达为局部的基元线性组合，并约束线性组合系数的稀疏性，从而建立解决去噪问题的能量函数，在极小化过程中通过OMP和K-SVD算法优化该能量函数。在实现中，我们可以用离散余弦变换（DCT）构造其中的基元组，也可以自适应的学习该基元组。我们实现了该算法，并应用于高斯噪声图像的去噪问题。

另一方面，我们研究椒盐噪声的图像去噪问题。我们发现，应用经典的稀疏表达模型会在处理去除椒盐噪声图像中失效，因此我们提出一种新的基于稀疏性的椒盐噪声图像去噪模型。结合椒盐噪声的特性，我们用更为鲁棒的带权稀疏表达模型，在使用基元组时采用DCT基元组，并通过OMP方法优化该稀疏表达模型。通过实验表明，该方法相对于经典的稀疏表达模型能更好的去除椒盐噪声。

关 键 词：图像去噪；基元表示；OMP；K-SVD；稀疏编码

基于稀疏表示的人脸表情识别算法研究

摘要：针对基于局部纹理特征的人脸表情识别算法不能有效表达不同表情状态下人脸运动单元差异性的问题，提出一种改进的稀疏表示人脸表情识别算法，将人脸纹理特征与全局位置特征用稀疏表示模型相结合，得到人脸表情的稀疏系数矩阵，并作为支持向量机表情识别的输入。人脸表情库BU_3DFE实验结果表明，该算法提高了表情识别的准确率。 关键词：表情识别；稀疏表示；特征融合 DOIDOI：10.11907/rjdk.161671

中图分类号：TP312文献标识码：A文章编号：1672-7800（2016）006-0031-02 参考文献：

[1]JI ZHENG Y，XIA M，MITSURU L，YU-LI X.Facial expression recognition based on feature point vector and texture deformation energy parameters[J].Journal of Electronics and Information Technology，2013，35（10）：2403-2410. [2]ZHAN YONG

苏州科技学院本科生毕业设计（论文）

基于小波变换的图像处理方法研究

摘 要

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。

本文首先对传统图像增强理论进行概述，并给出直方图均衡化与灰度变换算法，通过matlab来观察其处理效果的特点，然后提出四种基于小波变换的图像增强方法，并分析它们与传统图像增强方法相比的优缺点，最后基于传统小波变换只能增强图像边缘部分而无法增强细节部分的缺点，引出了基于分数阶微分和小波分解的图像增强方法，并通过matlab观察了这种算法的处理效果。

关键词：图像增强； 直方图均衡化； 小波变换； 分数阶微分

I

苏州科技学院本科生毕业设计（论文）

Image enhancement based on wavelet transformation

Abstract

Image enhancement is a

图像增强算法研究与实现

摘 要:图像处理是近年来发展起来的新兴研究领域，受到越来越多学者的关注。本论文主要研究图像处理的一个重要分支——图像增强技术。由于图像在生成、传递、压缩、储存、变换等一系列过程中，会受到各种因素的影响，例如在不同的照明环境下操作，会引起图像亮度的变化；操作设备时，不可避免地会发生抖动，引起图像位移；捕捉到的图像对比度低或是位置不适当等等。在实际应用中，这些都会造成图像质量的退化，影响图像的整体视觉效果。因此，为了解决这些问题，需要对图像进行增强处理，对已获取的图像进行加工处理，有目的地对图像进行增强，比如突出图像的局部细节特征或是增强图像的整体效果，同时抑制图像中不必要的细节信息，把模糊的图像变成清晰的图像，改善图像的质量，以便在后续的图像分析时，实验者或计算机视觉系统可以对图像进行更好地分析和理解。

本文对图像增强技术的常用方法进行了介绍，其中主要介绍了空域图像增强算法的原理及方法，包括灰度变换、直方图处理(直方图均衡化和直方图规定化)等和频域图像增强算法的原理及方法，包括低通滤波、高通滤波、同态滤波，以及彩色图像增强算法的原理及实现。在此基础上，提出了两种结合空域和频域特征的图像增强算法，并在MATLAB开发平台

图像增强算法研究与实现

摘 要:图像处理是近年来发展起来的新兴研究领域，受到越来越多学者的关注。本论文主要研究图像处理的一个重要分支——图像增强技术。由于图像在生成、传递、压缩、储存、变换等一系列过程中，会受到各种因素的影响，例如在不同的照明环境下操作，会引起图像亮度的变化；操作设备时，不可避免地会发生抖动，引起图像位移；捕捉到的图像对比度低或是位置不适当等等。在实际应用中，这些都会造成图像质量的退化，影响图像的整体视觉效果。因此，为了解决这些问题，需要对图像进行增强处理，对已获取的图像进行加工处理，有目的地对图像进行增强，比如突出图像的局部细节特征或是增强图像的整体效果，同时抑制图像中不必要的细节信息，把模糊的图像变成清晰的图像，改善图像的质量，以便在后续的图像分析时，实验者或计算机视觉系统可以对图像进行更好地分析和理解。

本文对图像增强技术的常用方法进行了介绍，其中主要介绍了空域图像增强算法的原理及方法，包括灰度变换、直方图处理(直方图均衡化和直方图规定化)等和频域图像增强算法的原理及方法，包括低通滤波、高通滤波、同态滤波，以及彩色图像增强算法的原理及实现。在此基础上，提出了两种结合空域和频域特征的图像增强算法，并在MATLAB开发平台

电 子 科 技 大 学

UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA

硕士学位论文

MASTER THESIS

（电子科技大学图标）

论文题目 基于稀疏表示的遮挡目标快速重构

算法研究

学科专业 电气工程 学 号 201221170206 作者姓名 冷佳旭 指导教师 陈 勇 副教授

类号 密级

UDC注1

学 位 论 文

基于稀疏表示的遮挡目标快速重构算法研究

（题名和副题名）

冷佳旭

（作者姓名）

指导教师

陈 勇 副教授

电子科技大学 成 都

（姓名、职称、单位名称）

申请学位级别 提交论文日期

硕士 学科专业 电气工程

论文答