基于稀疏表示的图像修补研究

【摘要】：图像修补技术是图像处理的关键技术之一,被广泛地应用于生物视觉系统研究、计算机模式识别和医学等多个领域。目前,基于稀疏表示的图像修补研究是该领域近几年的一个新的研究分支,同时,稀疏表示的图像修补研究具有很重要的现实意义和广阔的研究前景,基于此,本文在以下几方面进行了研究,并有所收获： 1、系统地研究了MCA稀疏模型,实现了基于MCA模型的图像稀疏分解,并数值实现MCA和TV模型相结合的污损图像修补。更进一步指出MCA模型可以和CDD模型相结合修补污损图像,并算法实现。实验证明,MCACDD修补算法在一定程度上克服了MCATV的弊病,能够较好修补污损图像。 2、研究VO模型与Bregman迭代理论,利用Bregman迭代求解VO模型,实现基于VO模型的图像分解,并将VO模型、曲波变换、局域DCT变换与CDD模型相结合实现基于VOCDD的稀疏图像修补,实验证明,VOCDD可以较好地实现稀疏图像修补。 3、引入稀疏表示与全变分相结合的图像分解模型(SAT模型),并利用Bregman迭代方法求解该模型,将其应用于稀疏分解与稀疏图像修补。实验证明,SAT模型能够获得好的重构图像,并具有好的图像稀疏修补能力。 总之,本文重点研究了稀疏分解模型以及基于稀疏表示的图像修补方法,并算法实现了MCATV、MCACDD和VOCDD修补算法,更进一步采用SAT模型实现图像稀疏分解与修补,分别获得好的修补结果。