特征分类学习的结构稀疏传播图像修复方法

摘要：

针对样本图像字典自适应性差、有效信息单一、造成图像稀疏表示模糊的不足的问题, 提出一种基于特征分类学习字典的结构稀疏传播图像修复方法. 首先将图像块按特征分类, 根据不同特征的图像样本进行样本训练得到相对应的过完备字典; 然后对不同特征的待修复图像块提取不同的有效信息进行稀疏编码, 使得稀疏表示具有较强的自适应能力; 最后针对结构稀疏传播模型带来的偏差进行修改, 完善结构稀疏的传播机制. 仿真实验结果表明,该方法可以有效地修复图像结构边缘、不规则纹理和平滑部分的图像信息, 修复后的图像质量有较大的提升.

关键词：特征分类、局部方差、Mean-Shift、K-SVD、分类稀疏表示、结构稀疏

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

在线出版日期：2015-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：864-872