特征聚类的局部敏感稀疏图像修复
针对图像修复过程中单一的字典迭代时间长、适应性差、修复效果不理想的缺点,提出了一种结合图像特征聚类与字典学习的改进的图像修复方式.首先破损的图像被分割成小块,并产生索引矩阵.然后使用控制核回归权值算法,对其进行图像聚类.通过对图像内在结构与未破损区域信息的挖掘,分割的图像块根据SKRW的相似性进行了分类.之后针对不同类型结构的图像,通过自适应局部明感字典学习的方式,获取每类字典的过完备字典.然后,通过构建自适应局部配适器,提高字典更新的收敛速度与稀疏字典的适应性.因为是通过多个字典匹配不同结构的图像,因此图像的稀疏表示更为准确.各个字典在达到收敛之前不断进行更新,而图像的稀疏因子也会随着改变.在对破损区域进行补丁更换之后,实现了对破损图像的修复.实验结果表明,该算法相较于目前的修复算法,视觉效果和客观评价上更好,且所需的修复时间更短.
图像修复、稀疏表示、图像聚类、字典学习、局部敏感
47
TP391.41(计算技术、计算机技术)
国家科技支撑项目2014BAC26B00
2019-01-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
423-431