基于学习字典的图像修复算法
多数图像修复方法主要是利用输入图像中的有效信息来填充待修复区域,可用先验信息有限,自适应性较差.研究提出一种新的基于学习字典的图像修复框架,核心思路是通过大量样本图像和输入图像的有效数据训练学习字典,建立样本图像特征块与原始数据块之间的稀疏关联,并将这种关联作为先验知识来指导图像的修复.该方法既充分利用了样例图像的先验知识,又考虑了待修复图像本身的信息,提高了算法的自适应性.通过对自然图像进行大、小范围图像修复和文字去除实验,文中方法均取得较好的修复效果.
图像修复、稀疏表示、学习字典、l1范数、在线字典学习
32
TP391(计算技术、计算机技术)
国家自然科学基金50875070
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
2041-2048