如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典,进而形成对图像的稀疏分解是当前研究者关注的热点问题.根据图像的几何结构特性,从人类视觉系统特性出发,建立了匹配各层面图像结构的Gabor感知多成份字典,进而提出一种高效的基于匹配追踪的图像稀疏分解算法.实验结果表明:Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性,与Anisotropic refinement-Gaussian(AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.

基于Gabor感知多成份字典的图像稀疏表示算法研究

根据图像的几何结构特性,从人类视觉系统特性出发,建立了Gabor感知多成份字典,进而模拟人类视觉通路的层次处理机制,构建了稀疏编码网络,能够有效去除图像中的高阶冗余,形成更为稀疏的表示。对稀疏表示系数重组后进行比特平面量化,实现了低比特率的可伸缩编码。实验结果表明,在低比特率下,本文算法压缩后重构图像的感知质量要明显优于JPEG2000,峰值信噪比也与其相当,并且对于图像中的边缘和纹理等细节保持效果更佳。