结合级联字典和双层稀疏分解的图像重构

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (23): 154-156.

• 图形、图像、模式识别 • 上一篇下一篇

结合级联字典和双层稀疏分解的图像重构

甄小仙，刘哲，马聪

西北工业大学理学院，西安 710129

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-11 发布日期:2011-08-11

Image reconstruction based on concatenate dictionary and two-layer sparse representation

ZHEN Xiaoxian，LIU Zhe，MA Cong

School of Science，Northwestern Polytechnical University，Xi’an 710129，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-11 Published:2011-08-11

摘要/Abstract

摘要： 图像重构问题中一个关键的问题是如何选取变换基实现对图像的稀疏分解。根据Meyer图像模型将图像分割为卡通部分（cartoon，or piecewise smooth）和纹理部分（texture），并用Symlet系列小波基、Contourlet基和离散余弦变换基、波原子分别构造级联字典表示图像的卡通部分和纹理部分。然后利用块坐标松弛法求解优化问题提出结合级联字典和双层稀疏分解的图像重构算法。实验结果表明，与基于单一最佳小波基的重构算法和基于级联字典的匹配追踪算法比较，该算法获得更高的图像重构质量。

关键词: 稀疏分解, 级联字典, 图像重构, 块坐标松弛法

Abstract: The sparse representation of images play a vital role in the process of image reconstruction.According to the Meyer’s image model，an image is separated into piecewise smooth（cartoon） and texture parts.Constructing two concatenate dictionaries by Symlet series of wavelet bases，Contourlet base and wave atoms，cosine bases to represent the cartoon and texture content sparsely，then，solving the optimization problem with block coordinate relaxation，the image reconstruction based on concatenate dictionary and two-layer sparse representation is proposed.The experimental results show that the new algorithm greatly improves the reconstruction quality compared to the algorithm based on single optimal wavelet base and matching pursuit based on concatenate dictionary.

Key words: sparse representation, concatenate dictionary, image reconstruction, block coordinate relaxation

甄小仙，刘哲，马聪. 结合级联字典和双层稀疏分解的图像重构[J]. 计算机工程与应用, 2011, 47(23): 154-156.

ZHEN Xiaoxian，LIU Zhe，MA Cong. Image reconstruction based on concatenate dictionary and two-layer sparse representation[J]. Computer Engineering and Applications, 2011, 47(23): 154-156.

[1]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[2]	谢海平，谢凯利，杨海涛. 图像超分辨率方法研究进展[J]. 计算机工程与应用, 2020, 56(19): 34-41.
[3]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[4]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[5]	刘玉红，杨丹凤. 光滑[lp]范数压缩感知图像重构优化算法[J]. 计算机工程与应用, 2019, 55(15): 213-218.
[6]	涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3. 基于LBP和稀疏表示的天际线检测算法研究[J]. 计算机工程与应用, 2016, 52(20): 158-162.
[7]	杨明，陈玲玲. OMP信号稀疏分解的改进ACFOA实现[J]. 计算机工程与应用, 2015, 51(20): 208-212.
[8]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.
[9]	肖正安，罗海峰. FOA-LM算法及其在语音信号稀疏分解中的应用[J]. 计算机工程与应用, 2015, 51(12): 219-222.
[10]	余付平1，2，沈堤1. 基于拟牛顿方向的改进平滑[l0]算法[J]. 计算机工程与应用, 2013, 49(22): 215-218.
[11]	曹宇明1，冯燕1，贾应彪1，2，袁晓玲1. 图像的多成分混合字典压缩感知表示及重构[J]. 计算机工程与应用, 2013, 49(14): 207-211.
[12]	肖正安. 语音信号稀疏分解的FOA实现[J]. 计算机工程与应用, 2013, 49(10): 232-234.
[13]	冯有前1，余付平2，高大化1，安芹力1. 稀疏分解在雷达移频干扰抑制方面的应用研究[J]. 计算机工程与应用, 2012, 48(6): 129-130.
[14]	潘岚1，吕植勇2，黄成1，王仲君1. 基于形态学算子的磨粒三维重构模型[J]. 计算机工程与应用, 2012, 48(36): 216-220.
[15]	李凯，张淑芳，吕卫，褚晶辉. 基于TV准则的图像分块重构算法的研究[J]. 计算机工程与应用, 2012, 48(26): 192-196.

结合级联字典和双层稀疏分解的图像重构

Image reconstruction based on concatenate dictionary and two-layer sparse representation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics