[發(fā)明專(zhuān)利]一種圖像字典構(gòu)造方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310094700.7
• 申請(qǐng)日: 2013-03-22
• 公開(kāi)（公告）號(hào): CN103136719A
• 公開(kāi)（公告）日: 2013-06-05
• 發(fā)明（設(shè)計(jì)）人: 李洪均;胡偉;謝正光;袁紅林;蔡燕;王偉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南通大學(xué)
• 主分類(lèi)號(hào): G06T1/00
• 分類(lèi)號(hào): G06T1/00
• 代理公司: 南京匯盛專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32238
• 代理人: 吳靜安

?

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理中的圖像稀疏表示技術(shù)領(lǐng)域，尤其涉及一種圖像字典構(gòu)造方法。

背景技術(shù)

在圖像稀疏表示領(lǐng)域，字典的設(shè)計(jì)和產(chǎn)生是超完備稀疏表示的重要內(nèi)容之一。字典設(shè)計(jì)中字典原子表征了圖像信息的幾何結(jié)構(gòu)特征，原子特征種類(lèi)越豐富越能夠?qū)D像形成最優(yōu)稀疏表示。目前過(guò)完備字典的獲取方式有兩種：利用數(shù)學(xué)工具生成字典和基于訓(xùn)練樣本學(xué)習(xí)字典。其中，學(xué)習(xí)字典方法能夠較好地解決圖像結(jié)構(gòu)表征的問(wèn)題，但是,由于超完備稀疏表示理論還不夠成熟，算法所涉及的計(jì)算十分繁重，給實(shí)際研究和應(yīng)用帶來(lái)一定的困難。

目前采用的圖像字典設(shè)計(jì)方法，主要通過(guò)字典原子的特征選取來(lái)實(shí)現(xiàn)圖像的稀疏表示，有時(shí)其稀疏表示的效果并不好。其原因是，用于描述冗余字典相關(guān)特性函數(shù)中所涉及的相干參數(shù)表征不細(xì)致。盡管稀疏性要求字典的原子保持一定的相關(guān)性，但是這種相關(guān)性并不是越大越好。相干參數(shù)只能反映出兩個(gè)原子之間相關(guān)性的極限情況，對(duì)于字典的描述不是非常細(xì)微。同時(shí)，向量相關(guān)性分析建立在信息完備的情況下，而實(shí)際測(cè)量的圖像大部分是信息不完備的，從而使向量相關(guān)分析算法應(yīng)用受到限制，因此目前的圖像字典設(shè)計(jì)已經(jīng)不能較好滿足實(shí)際需求。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)之不足，利用灰色理論對(duì)于圖像模型的先驗(yàn)知識(shí)要求不高的特點(diǎn)，提出一種更符合非確定性問(wèn)題的最優(yōu)逼近的圖像字典構(gòu)造方法。其具體技術(shù)方案如下：

所述圖像字典構(gòu)造方法，包括：

從測(cè)試圖像中獲取字典原子的灰色關(guān)聯(lián)度；

建立所述灰色關(guān)聯(lián)度與所述圖像結(jié)構(gòu)特征的聯(lián)系，從而獲得灰聚類(lèi)；

對(duì)字典原子進(jìn)行優(yōu)化處理，得到具有結(jié)構(gòu)特征的圖像字典。

所述方法的進(jìn)一步設(shè)計(jì)在于，獲取字典原子的灰色關(guān)聯(lián)度包括：

建立相鄰字典原子????????????????????????????????????????????????和所對(duì)應(yīng)的序列和；

????設(shè)置并計(jì)算序列和的初值序列和；

計(jì)算初值序列和的差值序列；

計(jì)算差值序列的灰色關(guān)聯(lián)度；

計(jì)算總體關(guān)聯(lián)度。

所述方法的進(jìn)一步設(shè)計(jì)在于，所述相鄰字典原子和所對(duì)應(yīng)的序列和為：

?，????

；

其中：為字典原子個(gè)數(shù)。

???????所述方法的進(jìn)一步設(shè)計(jì)在于，所述初值序列為：?，???????????????????

。

???????所述方法的進(jìn)一步設(shè)計(jì)在于，所述差值序列為：

?????????????????。

???????所述方法的進(jìn)一步設(shè)計(jì)在于，所述灰色關(guān)聯(lián)度為：

??????????????????

其中：為分辨率系數(shù)，n為差值序列的長(zhǎng)度，為差值序列中的最大值，同理，為差值序列中最小值。

????

所述方法的進(jìn)一步設(shè)計(jì)在于，所述總體關(guān)聯(lián)度為：

?????????????????????????????

所述方法的進(jìn)一步設(shè)計(jì)在于，所述對(duì)字典原子進(jìn)行優(yōu)化處理為對(duì)測(cè)試圖像進(jìn)行去噪處理。

所述方法的進(jìn)一步設(shè)計(jì)在于，所述去噪處理后的圖像峰值信噪比為：

?????????

其中：為噪聲圖像中一坐標(biāo)值為的像素點(diǎn)的灰度值；為去噪后的圖像中一坐標(biāo)值為的像素點(diǎn)的灰度值；為圖像的尺寸。

本發(fā)明將灰色理論引入到圖像字典設(shè)計(jì)中，通過(guò)提供一種有效的字典原子相關(guān)度的表示來(lái)更好地表征字典原子特性，解決向量相關(guān)性分析存在的問(wèn)題，同時(shí)通過(guò)提高原子的表征，優(yōu)化字典的設(shè)計(jì)，使圖像稀疏表示的復(fù)雜度降低，便于算法的實(shí)際應(yīng)用，從而得到一種更符合非確定性問(wèn)題的最優(yōu)逼近的圖像字典構(gòu)造方法，較好地解決了現(xiàn)有稀疏表示所存在的問(wèn)題，具有實(shí)際應(yīng)用價(jià)值。

附圖說(shuō)明

圖1?本發(fā)明方法的流程框圖。

圖2?字典原子關(guān)聯(lián)度示意圖。

圖3?圖像字典構(gòu)造過(guò)程示意圖。

圖4?實(shí)驗(yàn)用的原始圖像。

圖5為圖4所示圖像的噪聲圖。

圖6是本方發(fā)明方法所產(chǎn)生的灰聚類(lèi)圖像字典。

圖7是本方發(fā)明的仿真效果圖。

圖8是K-SVD算法的字典。

圖9是K-SVD算法的仿真效果圖。

具體實(shí)施方式