基于结构张量的样本块图像修复算法研究

发布时间：2022-12-09 00:48

　　在计算机技术的推动下,数字图像修复技术受到了越来越多的关注,该技术依据事先设定的方法并通过已知区域对缺失部分进行信息重建。本文首先介绍了图像修复技术的背景与意义,并简单地阐述了图像修复技术的研究现状。接下来,在第二章中给出了基于样本块的几种经典修复模型并详细分析了本文的对比文献算法,最后对样本块修复算法中仍存在的不足进行了总结,本文主要对存在的不足进行了深入地分析与研究。在研究基于样本块的修复方法中,针对样本间相似度函数不够准确,从而不能保持结构特性及纹理一致的问题,设计了一种基于结构张量和块结构化稀疏的图像修复算法。该方法首先利用结构张量定义样本间相似度,寻找更合适的匹配块;然后以该相似度作为块结构化稀疏项构造依据,更有效地区分结构区域,使修复顺序更加稳定,以保持结构特性;最后将结构张量特征信息作为稀疏约束项加入目标函数,提高稀疏表示准确性,保证邻域信息一致性。实验结果表明,本文算法能更好地区分样本间差异并保持结构连贯。基于结构张量和块结构化稀疏的修复算法对破损图像修复后,修复结果仍会出现结构性不高、纹理模糊的情况,同时也会出现一定程度上的错误填充。针对以上问题,本文设计了一种结合图... 

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

多余目标移除

Criminisi算法示意图

测试图像

【参考文献】：
期刊论文
[1]基于结构分量和信息熵的Criminisi图像修复算法[J]. 唐利明,谭艳婷,方壮,向长城,陈世强.  光电子·激光. 2017(01)
[2]非局域样本填充和自适应曲率驱动模型的遥感图像修复算法[J]. 王相海,孙丽,万宇,王爽,陶兢喆.  模式识别与人工智能. 2016(08)
[3]基于稀疏分解的图像修复方法[J]. 祝轩,张旭峰,李秋菊,王宁,陶吉瑶.  计算机科学. 2016(01)
[4]小波变换与纹理合成相结合的图像修复[J]. 张东,唐向宏,张少鹏,黄俊泽.  中国图象图形学报. 2015(07)
[5]特征分类学习的结构稀疏传播图像修复方法[J]. 康佳伦,唐向宏,张东,屠雅丽.  计算机辅助设计与图形学学报. 2015(05)
[6]块关联匹配与低秩矩阵超分辨融合的图像修复[J]. 马爽,谈元鹏,许刚.  计算机辅助设计与图形学学报. 2015(02)
[7]结合颜色和梯度信息的稀疏图像修复算法[J]. 李志丹,和红杰,尹忠科,陈帆.  计算机研究与发展. 2014(09)
[8]基于块结构稀疏度的自适应图像修复算法[J]. 李志丹,和红杰,尹忠科,陈帆,仁青诺布.  电子学报. 2013(03)
[9]基于局部特性的图像修复算法[J]. 范冠鹏,和红杰,陈帆,翟东海,仁青诺布.  光电子.激光. 2012(12)
[10]基于样本和线性结构信息的大范围图像修复算法[J]. 吴晓军,李功清.  电子学报. 2012(08)



本文编号：3714475