基于稀疏重構(gòu)的圖象修復(fù)算法研究.pdf

1、圖像修復(fù)是指通過(guò)特定的規(guī)則填充或者重構(gòu)圖像的缺損區(qū)域，使其滿足人類的視覺(jué)系統(tǒng)。傳統(tǒng)的修復(fù)方法缺乏對(duì)圖像的一個(gè)整體認(rèn)識(shí)，僅僅使用了少量的有用信息。針對(duì)此問(wèn)題，本文主要研究了基于稀疏重構(gòu)的修復(fù)技術(shù)，用簡(jiǎn)化的稀疏模型表征圖像的內(nèi)在結(jié)構(gòu)和本質(zhì)屬性，同時(shí)對(duì)系統(tǒng)的噪聲和誤差更為穩(wěn)健。
　　首先，簡(jiǎn)要介紹了基于變分偏微分方程的幾種基本模型。同時(shí)針對(duì)紋理合成技術(shù)中的Criminisi模型匹配準(zhǔn)則問(wèn)題，引入樣本紋理的空域?qū)傩院土炼茸兓募s束條件，提

2、出一種基于模式相似性的修復(fù)算法。仿真結(jié)果表明，該算法在修復(fù)強(qiáng)結(jié)構(gòu)圖像時(shí)獲得了理想效果。
　　其次，針對(duì)基于混合稀疏表示修復(fù)模型中KNN的樣本塊大小固定不變的缺點(diǎn)，提出一種基于梯度的自適應(yīng)樣本塊的修復(fù)方法。該算法通過(guò)分析圖像破損處的局部梯度變化，得到局部的結(jié)構(gòu)信息，從而自適應(yīng)地確定KNN搜索樣本塊的大小。仿真結(jié)果表明，該算法在結(jié)構(gòu)變化明顯的圖像中修復(fù)性能最佳。
　　最后，針對(duì)基于SVD的稀疏表示模型中KNN搜索速度緩慢的問(wèn)題，