非局部学习字典的图像修复

被引：17

作者：

李民 ^{[1
,2
]}

程建 ^{[1
,3
]}

李小文 ^{[1
]}

乐翔 ^{[3
]}

机构：

[1] 电子科技大学地表空间信息技术研究所

[2] 桂林空军学院科研部

[3] 电子科技大学电子工程学院

来源：

电子与信息学报 | 2011年 / 33卷 / 11期

关键词：

图像修复; 学习字典; 稀疏表示; 联合稀疏近似; 非局部;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

该文提出一种新的基于学习的图像修复算法。与经典的稀疏表示模型不同,该文将非局部自相似图像块统一进行联合稀疏表示,训练高效的学习字典,并使自相似块间保持相同的稀疏模式。该方法既确保自相似块投影到稀疏空间后也具有相似性,也较好地保留了自相似块间的相关性信息,更有效地建立了它们的联合稀疏关联,并将这种关联作为先验知识来指导图像的修复。该算法使用大量自然图像样本来训练初始的过完备字典,既利用了样本图像的先验知识,又充分考虑了待处理图像本身的相关信息,自适应性强。通过对自然图像进行大﹑小范围图像修复和文字去除实验,该文方法均取得不错的修复效果。

引用

页码：2672 / 2678

页数：7

共 7 条

[1] 基于区域纹理合成的图像修补算法 [J].