[论文解读] Sparse image representation by discrete cosine/spline based dictionaries

James Bowley, Laura Rebollo‐Neira|ArXiv.org|Sep 7, 2009

Image and Signal Denoising Methods参考文献 12被引用 7

一句话总结

该论文提出了一种基于离散余弦变换（DCT）与B样条的混合字典，用于稀疏图像表示，利用正交匹配追踪（OMP）算法实现的稀疏度显著高于传统的DCT和小波变换。该方法采用冗余的、分块处理的字典，其样条支持可变，可在40 dB PSNR下实现高达两倍的压缩比，且通过并行处理可有效控制计算复杂度。

ABSTRACT

Mixed dictionaries generated by cosine and B-spline functions are considered. It is shown that, by highly nonlinear approaches such as Orthogonal Matching Pursuit, the discrete version of the proposed dictionaries yields a significant gain in the sparsity of an image representation.

研究动机与目标

• 开发一种结合离散余弦函数与B样条函数的冗余字典，以提升自然图像稀疏表示的性能。
• 评估非线性匹配策略（特别是正交匹配追踪OMP）相比快速变换（如DCT和DWT）在稀疏性方面的增益。
• 设计一种计算可行的、基于分块的字典构造方法，适用于数字系统中的并行处理。
• 证明混合DCT-样条字典在压缩效率上优于标准变换，同时保持高视觉质量（PSNR ≥ 40 dB）。

提出的方法

• 通过在节点点处离散化，构建使用DCT原子和不同支持长度（线性：1, 3, 5；立方：3, 7, 11）的B样条原子的离散字典。
• 采用“截断”边界条件生成冗余字典，而非正交基，以保持形状与支持特性。
• 通过DCT字典与样条字典的张量积构造字典，实现约五倍的冗余度，且复杂度未显著增加。
• 采用OMP进行稀疏表示，其中与DCT原子的内积通过快速DCT加速，与样条原子的内积则基于支持大小直接计算。
• 将图像分块为16×16像素，以支持并行计算并降低内存占用。
• 使用归一化常数 $ w_i $ 和 $ c_i $ 对原子进行归一化，其中DCT的 $ c_1 = 1/√{2L} $，样条的为 $ w_i $。

实验结果

研究问题

• RQ1 由离散余弦与B样条函数构成的混合字典能否在图像表示中实现比标准DCT和小波变换更高的稀疏度？
• RQ2 B样条支持的选择（如1, 3, 5与3, 7, 11）如何影响稀疏度与重建质量？
• RQ3 OMP算法在多大程度上受益于所提出的混合字典的冗余性与结构特性，从而提升压缩效率？
• RQ4 该方法的计算复杂度是否可管理，尤其是在对分块图像采用并行处理时？

主要发现

• 所提出的DCT-线性样条字典在Boat图像上实现了平均压缩比7.05，超过DCT单独使用时的3.63（在40 dB PSNR下），压缩比提升超过一倍。
• 对于Lena图像，DCT-立方样条字典实现了11.70的压缩比，而DCT为6.50，小波为6.97，表明稀疏性有显著提升。
• 在全部六幅测试图像中，DCT-样条混合字典的压缩比始终优于DCT和Cohen-Daubechies-Feauveau 9/7小波变换。
• OMP的复杂度保持可接受，原因在于DCT原子的内积可通过快速DCT加速，样条原子的内积计算也因支持较小而易于处理。
• 采用16×16分块处理可有效实现并行化，尽管字典具有冗余性，但整体运行时间仍显著降低。
• 视觉质量保持在高水平，所有测试图像的PSNR均稳定高于40 dB，证实稀疏性增益未损害感知保真度。