导读:本文包含了人脸图像压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸压缩,稀疏表示,块坐标松弛
人脸图像压缩论文文献综述
闫雪南,邹建成[1]（2014）在《基于稀疏表示的人脸图像压缩方法》一文中研究指出基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.(本文来源于《北方工业大学学报》期刊2014年03期）
闫雪南[2]（2014）在《基于压缩感知理论的人脸图像压缩研究》一文中研究指出信息化时代的今天,人们利用计算机获取信息越来越普遍,如文字信息、图像信息和视频信息等。在图像信息中,近年来人脸图像被广泛应用在大型公司员工的信息采集、身份证图像采集系统、公安机关的身份认证与识别等领域,但在人脸图像的存储和传输中,数字化后的图像数据量较大,处理和使用时及其不方便,因此促使数字图像压缩技术不断增强。压缩感知理论近几年在数字图像处理领域应用广泛,如图像去噪、图像去模糊及图像分类等都取得了不错的成果。本文基于压缩感知理论在BCR算法的基础上作了改进,形成了新的压缩算法并应用于人脸图像压缩,通过实验证明了算法的可行性与优越性。本文主要的研究内容和研究成果：通过对当前主流的人脸图像压缩算法的研究与分析,总结了其优点和不足,因此在压缩感知理论基础上,把学习和研究的BCR算法进行改进并应用于人脸图像压缩,使求解稀疏表示的速度比应用OMP算法有所提高。在压缩的量化阶段,由于稀疏系数值较小,因此应用神经网络中的Sigmoid函数,使其数值放大到一定的范围,然后进行取整量化。对量化后的数据进行霍夫曼编码,得到最后的压缩码流。首先对本文算法与原始的BCR算法在初始化的字典上进行了实验对比,通过实验数据可以看出,本文算法的初始化字典优于BCR算法的联合正交基字典。其次,将本文算法与JPEG、OMP人脸图像压缩算法进行了对比,通过恢复图像的主观质量和客观质量(PSNR值)及图像的压缩比等方面做了综合的比较、分析,证明了本文算法在图像压缩比程度相同的情况下,图像质量更好,且保证了更多的人脸图像信息,具有较好地压缩效果。基于压缩感知理论的人脸图像压缩,使压缩恢复的图像质量有所提高,在压缩过程中应用BCR算法替代OMP算法求解稀疏表示,降低了计算时间；运用本文改进的初始化字典又更好地表示了图像信息,使恢复的图像更加清晰。(本文来源于《北方工业大学》期刊2014-06-30）
王涛[3]（2014）在《基于PCA人脸图像压缩与重建算法的研究与实现》一文中研究指出主成分分析近年来发展比较迅速,其应用的领域也越来越广泛,在本文中主要借助于其对数据降维的应用。由于PCA方法需要将图像矩阵由二维矩阵转化成一维向量,构造出维数比较庞大的协方差矩阵,在此基础上求解特征值和特征向量,计算量巨大而且复杂。近年来也出现了二维主成分分析(2DPCA)和矩阵主成分分析(MATPCA),在计算时间和数据降维方面均有不同程度的提高。本文在基于PCA人脸图像压缩与重建方法基础上,研究了2DPCA、MATPCA人脸图像压缩与重建方法,并在此基础上了实现了一种改进的PCA方法,即对图像训练样本进行可选择的行、列均等的划分,得到一些尺寸大小都一样的子图像,然后将所有训练图像的所有子图像集合在一起进行PCA分析,得到相应的总体协方差矩阵。在对总体协方差矩阵处理时,引入奇异值分解来求解协方差矩阵的特征值和特征向量。同样在对测试图像进行压缩时,事先按照训练图像那样的划分方法将测试图像划分成子图像,然后逐个对子图像进行压缩,重建时也是逐个对压缩的子图像进行重建,然后再拼接成原来的图像。本文主要研究工作如下：首先简单介绍了数据降维的目的和意义,对国内外研究现状进行了分析,系统的归纳了数据降维的常用方法,重点分析了本文所用的主成分分析算法的基本原理。其次介绍了主成分分析从数据压缩到人脸图像的压缩与重建的应用,由于PCA本身的特点,需要将二维图像矩阵转化成一维向量,针对这种方法的缺陷,在此基础上又研究了2DPCA、MATPCA的算法思想和其实现过程,几种方法加以比较综合,得到本文的改进算法。最后,根据本文所涉及的理论研究分别进行了实验验证,主要涉到了用主成分分析算法对二维数据的压缩与重建,以及由二维数据过渡到简单的图像进行压缩与重建分析,重点分析了PCA、DPCA、MATPCA和改进后的PCA在ORL人脸数据库,并设计了个简单的人脸压缩与重建系统。实验结果表明,改进后的PCA方法具有较好的鲁棒性,取得了较高的效果要优于其他方法。(本文来源于《昆明理工大学》期刊2014-05-01）
杜博,张乐飞,章梦飞,熊维[4]（2013）在《基于张量主成分分析的人脸图像压缩与重构》一文中研究指出提出了基于张量主成分分析的人脸图像压缩与重构算法,该算法依据K-L变换的原理找到用于图像压缩的投影矩阵,进而对人脸图像进行压缩.同时,也可以通过投影矩阵对人脸图像进行数据重构.通过在FERET和BioID人脸数据库的相关实验表明,与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像,定量分析表明张量主成分分析算法的重构误差和峰值信噪比亦优于常规的主成分分析算法.(本文来源于《华中科技大学学报(自然科学版)》期刊2013年S2期）
王光远,尹东[5]（2011）在《基于完备和超完备表述的人脸图像压缩(英文)》一文中研究指出以叁个理论为基础结合数字信号的完备和超完备表述的优点,提出了一种新的压缩编码方法,并使用数据重排的策略提升了压缩结果.在人脸图像数据集上的实验,验证了理论推断.相比传统的超完备表述方法,该方法在PSNR和压缩时间上都有了更好的表现.(本文来源于《中国科学技术大学学报》期刊2011年08期）
王光远[6]（2011）在《基于字典学习的人脸图像压缩》一文中研究指出数字图像压缩涉及信号表述、模式分类、质量评价等诸多理论和技术,它不仅是数字信号处理的基本问题,更是实际应用中一个亟待解决的重要问题。论文对数字图像压缩的超完备基表述方法、完备与超完备基表述结合的方法、图像分块压缩等多方面内容展开了研究。数字信号的超完备基表述是近年发展和成熟起来的数字信号表述方法。传统的完备基表述方法因其表述手段单一、没有考虑到信号的内在属性,故而已渐渐不适合某些场合的应用。超完备基表述方法应运而生,从最初的预定超完备基到由待处理信号学习得到超完备基,此种方法愈发提升了对信号的表述能力。论文分析和推导了匹配追踪和字典学习各流派的方法。同时设计了一个简便又不失一般性的熵编码方法,用以评价本文中各压缩方法的效果。通过实验分析了各方法的异同,统一了进一步研究的标准。在运用完备基和超完备基对信号进行表述和压缩的基础上,分析了两者的优缺点,探索了两者结合以提高压缩信噪比和降低处理时间的可能性。证明了几条相关的定理,并以之为基础发展出了一套新的数字图像压缩方法。该方法兼顾了图像在完备基和超完备基下的稀疏性,提出了系数量化编码的新方法,尝试并验证了全部字典和局部字典共同编码的效果。仿真实验证明了该方法的有效性。至于对图像分块压缩、使用不同表述和压缩方法处理图像不同部分的思想是建立在这样观察之上,即不同的表述与压缩方法各有其优缺点和适用范围,信噪比和压缩时间的指标在很大程度上又是不可兼顾的。另一方面大凡现在的数字信号压缩若使用某一方法都是因为该方法适合当前情况下多数数据的属性。但是图像的复杂性决定了,细化到每个分块,单一压缩方法将不可能始终取得优势。多压缩方法并存,依实际情况选择压缩方法成为了一条可能的途径。研究了这一方法的可能性、适用范围,并通过仿真实验得出了结论。并且综合了本文各章节的研究成果,提出了使用的压缩系统应该具有的基本组成和处理流程。论文最后给出研究内容的总结,并对后续工作进行展望,指出了包括建立更广泛的图像数据库、运用压缩感知领域最新的研究成果设计新的字典学习方法、针对具体情况快速有效地选择合适字典等需继续要解决的问题,即在更广泛意义上探索进一步提升压缩信噪比和降低处理时间的方法。(本文来源于《中国科学技术大学》期刊2011-05-04）
明名[7]（2007）在《基于小波变换的人脸图像压缩》一文中研究指出由于互联网络,无线网络等传输媒介的发展以及人们的交流信息要求对多媒体应用的要求的日益增多,并且随着数学工具以及信号处理技术的不断发展,图像压缩技术在应用上正在朝着低存储空间,高压缩率,编解码快速,能够进行多分辨率分析,能够进行渐进传输以及在特定应用下的高度适应性。作为人类视觉的重心之一,尤其是在数字图片广泛普及之后,人脸图像的出现是很频繁的,所以在可预计的将来,在人脸库,可视电话,门禁系统等需要低码率以及甚低码率情况下有广泛的应用前景。本文对人类视觉系统进行了仔细的探讨,分析其发展过程和趋势,并找出其对于人脸图像压缩的指导意义,并且在详细探讨了图像压缩的评价标准之后提出了一种基于主观评价的图像评价标准。本文详细的分析了图像压缩算法的发展并且仔细地比较了他们的特点并选择一种比较适宜本文目的的算法进行改进。在此基础上,在根据强边,纹理和平滑区域的主观视觉分类下结合人脸固有的先验知识对人脸图像进行处理。本文提出了SPIHT算法下的剪枝补枝的思想,并且按照其在人类视觉系统的指导意义下赋予一定的权值,分配到不同的位平面,并按照优先级进行编码和解码进行渐进输出。(本文来源于《天津大学》期刊2007-06-01）
[8]（2007）在《人脸图像压缩技术》一文中研究指出成果简介鉴于网络的发展永远赶不上用户及通信信息量增长的需求,为此迫切需要一种传输信息容量小而又能满足视觉要求的图像压缩复原新技术,本项研究就是在自动提取人脸及人脸表情的基础上,将其参数化,并在发端只传送少量参数数据,(本文来源于《创新科技》期刊2007年05期）
黄晴[9]（2007）在《基于小波变换和矢量量化的人脸图像压缩》一文中研究指出提出一种新的在小波域内进行矢量量化的算法.该算法在对图像进行多级小波变换后,构造叁个方向的跨频带矢量,同时采用分类矢量量化,非线性插补矢量量化和基于人眼视觉特性的加权矢量量化,提高了图像的编码效率和重构质量.仿真结果表明,该算法实现简单,在较低的编码率下,可达到较好的压缩效果.(本文来源于《纯粹数学与应用数学》期刊2007年01期）
马燕,李顺宝[10]（2006）在《基于对称性与方差的快速分形人脸图像压缩》一文中研究指出针对人脸具有对称性特点,提出了基于对称性与方差的快速分形人脸图像压缩算法。在编码时,对某值域块,将定义域块限定在与其对称的候选区内,如在其中未找到匹配定义域块,则再扩大候选区范围。对基于方差方法与本文算法在时间复杂性上的分析表明,即使在最坏情况下,利用本算法所需编码时间也仅为基于方差方法的1/2。通过在ORL和YALE人脸库中的实验表明,利用本文算法,在基本保持恢复图像质量的同时,平均编码时间仅为基于方差方法的1/3。实验还讨论了候选区、阈值与击中值域块个数、编码时间和峰值信噪比(PSNR)间的关系。(本文来源于《光电子·激光》期刊2006年10期）
人脸图像压缩论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息化时代的今天,人们利用计算机获取信息越来越普遍,如文字信息、图像信息和视频信息等。在图像信息中,近年来人脸图像被广泛应用在大型公司员工的信息采集、身份证图像采集系统、公安机关的身份认证与识别等领域,但在人脸图像的存储和传输中,数字化后的图像数据量较大,处理和使用时及其不方便,因此促使数字图像压缩技术不断增强。压缩感知理论近几年在数字图像处理领域应用广泛,如图像去噪、图像去模糊及图像分类等都取得了不错的成果。本文基于压缩感知理论在BCR算法的基础上作了改进,形成了新的压缩算法并应用于人脸图像压缩,通过实验证明了算法的可行性与优越性。本文主要的研究内容和研究成果：通过对当前主流的人脸图像压缩算法的研究与分析,总结了其优点和不足,因此在压缩感知理论基础上,把学习和研究的BCR算法进行改进并应用于人脸图像压缩,使求解稀疏表示的速度比应用OMP算法有所提高。在压缩的量化阶段,由于稀疏系数值较小,因此应用神经网络中的Sigmoid函数,使其数值放大到一定的范围,然后进行取整量化。对量化后的数据进行霍夫曼编码,得到最后的压缩码流。首先对本文算法与原始的BCR算法在初始化的字典上进行了实验对比,通过实验数据可以看出,本文算法的初始化字典优于BCR算法的联合正交基字典。其次,将本文算法与JPEG、OMP人脸图像压缩算法进行了对比,通过恢复图像的主观质量和客观质量(PSNR值)及图像的压缩比等方面做了综合的比较、分析,证明了本文算法在图像压缩比程度相同的情况下,图像质量更好,且保证了更多的人脸图像信息,具有较好地压缩效果。基于压缩感知理论的人脸图像压缩,使压缩恢复的图像质量有所提高,在压缩过程中应用BCR算法替代OMP算法求解稀疏表示,降低了计算时间；运用本文改进的初始化字典又更好地表示了图像信息,使恢复的图像更加清晰。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸图像压缩论文参考文献
[1].闫雪南,邹建成.基于稀疏表示的人脸图像压缩方法[J].北方工业大学学报.2014
[2].闫雪南.基于压缩感知理论的人脸图像压缩研究[D].北方工业大学.2014
[3].王涛.基于PCA人脸图像压缩与重建算法的研究与实现[D].昆明理工大学.2014
[4].杜博,张乐飞,章梦飞,熊维.基于张量主成分分析的人脸图像压缩与重构[J].华中科技大学学报(自然科学版).2013
[5].王光远,尹东.基于完备和超完备表述的人脸图像压缩(英文)[J].中国科学技术大学学报.2011
[6].王光远.基于字典学习的人脸图像压缩[D].中国科学技术大学.2011
[7].明名.基于小波变换的人脸图像压缩[D].天津大学.2007
[8]..人脸图像压缩技术[J].创新科技.2007
[9].黄晴.基于小波变换和矢量量化的人脸图像压缩[J].纯粹数学与应用数学.2007
[10].马燕,李顺宝.基于对称性与方差的快速分形人脸图像压缩[J].光电子·激光.2006