基于張量結(jié)構(gòu)稀疏表示的圖像修補研究.pdf_第1頁
已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、圖像修補旨在利用已有的信息對損壞的圖像進(jìn)行修復(fù),在文物保護(hù)和影視特技制作等領(lǐng)域得到廣泛的應(yīng)用。目前主要有基于紋理的擴(kuò)散、基于樣例的紋理合成和基于稀疏表示三類修補方法,而基于稀疏表示的修補方法能夠有效利用圖像的稀疏性,以及缺損圖像與完整圖像在超完備的字典下有相同稀疏編碼系數(shù)的性質(zhì),使得缺損圖像得以恢復(fù)。然而,傳統(tǒng)稀疏表示的圖像修補,需要對圖像塊進(jìn)行向量化處理,破壞了圖像塊的結(jié)構(gòu)信息,進(jìn)而影響其修補質(zhì)量。針對該問題,本文進(jìn)行了如下三方面的研

2、究:
  1、設(shè)計并實現(xiàn)了一種基于加權(quán)結(jié)構(gòu)稀疏表示的圖像修補方法。針對傳統(tǒng)字典學(xué)習(xí)沒有充分考慮到圖像塊具有相似結(jié)構(gòu)信息的問題,構(gòu)造分類字典的稀疏表示模型,充分利用圖像塊之間的結(jié)構(gòu)信息,對其進(jìn)行紋理分類,再分別進(jìn)行圖像修補;其次在圖像修補時,利用缺損區(qū)域周圍的鄰域信息,進(jìn)行加權(quán)的聯(lián)合稀疏編碼,充分考慮到了圖像塊的相似信息。利用上述模型,分別對自然圖像的掩膜、字母、噪聲的缺損進(jìn)行修補,結(jié)果表明,在這幾種基本字典和算法中,基于結(jié)構(gòu)信息分

3、類字典下的PSNR和SSIM數(shù)值結(jié)果和視覺效果最好。
  2、設(shè)計并實現(xiàn)了一種基于圖像塊雙幾何結(jié)構(gòu)的圖像修補方法。針對傳統(tǒng)圖像修補中,單獨的對每一個圖像塊進(jìn)行處理,沒有考慮到圖像塊本身紋理結(jié)構(gòu)信息的缺陷,將圖像塊處理建立雙幾何結(jié)構(gòu)模型,充分利用了圖像塊的局部自相似性和非局部自相似性;其次使用自適應(yīng)字典學(xué)習(xí)的模型與學(xué)習(xí)算法,根據(jù)修補圖像塊的不同,自適應(yīng)的建立字典,提高修補精度和效率;最后建立了組結(jié)構(gòu)稀疏模型用于圖像修補,進(jìn)一步提高了

4、其修補質(zhì)量。利用上述模型,分別對自然圖像的掩膜、字母、噪聲的缺損進(jìn)行修補,結(jié)果表明,相比其他同類方法相比,圖像塊雙幾何結(jié)構(gòu)自適應(yīng)字典的圖像修補方法,數(shù)值結(jié)果有較大的改善。
  3、設(shè)計了一種基于結(jié)構(gòu)信息的張量稀疏表示算法。在圖像二維模型的基礎(chǔ)上,針對傳統(tǒng)圖像修補,需要對圖像塊進(jìn)行向量化處理,破壞圖像塊本身紋理結(jié)構(gòu)信息的缺陷,同時考慮自然圖像的空間結(jié)構(gòu)信息一致性,在二維的雙幾何結(jié)構(gòu)模型基礎(chǔ)上,建立張量的三維空間模型,用于自然圖像的修

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論