论文部分内容阅读
图像是人们获取信息的一个重要来源,随着互联网和多媒体技术的发展,图像数据占据了媒体数据中的大部分,大量的图像信息在有限信道中传输时会产生部分数据的丢失或者失真,如何在易失真、易误码的变带宽通道下重构丢失的图像数据成为当今国内外的热门研究课题。目前,有不少分层编码(Scalable)、多描述编码(Multi-Description)方案来解决这类问题,本文通过详细的理论分析和大量的试验论证,提出一个图象重构的全新模型,企图从接收到的不完全数据中预测丢失数据,从而重构原来图像。本文的研究工作主要包括以下几部分:
1、从理论上分析图像中各子带在边沿部分具有很大的相关性,并且实际中所用的滤波器不像理想滤波器一样具有陡峭的边沿,因此经过滤波以后得到的子带就包含了相邻的部分子带信息,因此可以通过不断迭代放大这些残留信息来预测丢失的那部分子带。
2、对于那些完全丢失的频带信息,可以通过非线性函数的频率变换作用,通过对已知的频带进行处理,来产生那部分丢失的频带。本文在理论上分析了,通过非线性函数产生的这些新的频带信息可以看成是对该频带原信息的近似。本文中该非线性函数选择著名的logistic函数,经过该非线性函数以后,利用带通滤波器过滤出丢失的子带信息,然后把这些信息与失真图像合成,由于这样产生的丢失子带的信息比较微弱,所以要对这些信息进行放大,经过不断迭代,从而重构出原图像。在本文中合成算子选择相加组合算子,因此该系统形成了正反馈,稳定性受到质疑,本文从理论上详细分析了该系统的稳定性问题,最终从理论和试验上证明了本文提出的动力学恢复模型是稳定的。另外,非线性函数的系数a,b的取值对系统行为有很大影响。从物理行为看出,如a值太大,则系统会不稳定,指数正增长,如b太大,则会产生负反馈,而影响系统对丢失信息的再生,本文通过详细的理论分析给出了a和b合理的取值范围。
3、在对彩色图像进行分析时,为了进一步适应人的视觉特征,本文将传统的RGB体制转换为HSV体制,V为亮度信号(Intensity),H为色调(Hue),S为饱和度(Saturation)。通过理论分析得到:对于颜色均匀区,颜色分量H对饱和度分量S的频谱增加一个恒定相移。对于颜色纹理区,颜色分量H不仅是饱和度分量S的频谱增加一个恒定相移,而且使S的频谱在空间频率平面上有一个位移,其大小与H的变化梯度成正比。通过试验验证发现,S和V分量的部分缺失不会对最后结果产生明显影响,因此在处理彩色图像时只利用本文提出的模型对H分量进行重构。这样就能有效的节省传输带宽,提高传输效率。
4、在对多个频带进行研究时,本文参考了打包算法,并结合小波分解的方法,把常用的简单的频带划分方法用具有更大的频带之间相关性的打包算法来代替,通过试验发现,利用该改进算法能够得到更好的重构效果。