基于樣例學習稀疏表示的非局部圖像修復算法研究.pdf

1、數(shù)字圖像修復(Inpainting)利用圖像有效信息，按照一定規(guī)則對圖像中損壞部分進行填補，使得修復后圖像接近或達到原圖像的視覺效果。該項技術在視頻圖像差錯掩蓋、影視特效制作、藝術品修復等領域具有廣泛應用前景，已成為圖像處理領域的研究熱點。圖像修復是圖像分析領域中基礎性問題，該問題的解決關鍵在于圖像模型的建立，為此，本文在深入學習主要圖像修復模型的基礎上，從以下幾方面研究一些圖像修復新思路。
　　首先，為加強圖像局部鄰域信息的利用

2、，同時保證修復方向與圖像結構內容相一致，提出基于局部學習基稀疏約束結合優(yōu)先權選擇擴散的圖像修復思路。該算法在學習丟失區(qū)局部鄰域的基礎上，沿著等照度線方向對丟失區(qū)進行稀疏重構，實現(xiàn)了圖像不同結構成分的較好修復。
　　其次，為了根據(jù)圖像全局自相似信息尋求圖像修復的全局最優(yōu)解，提出一種非局部均值濾波結合優(yōu)先權選擇擴散的全局優(yōu)化圖像修復算法。根據(jù)圖像信息冗余性特點在圖像丟失區(qū)域上建立圖像修復全局能量方程，采用基于非局部均值濾波的最大期望值

3、算法優(yōu)化求解出一個全局能量最小值。此外，在每次修復中約束修復方向沿著等照度線進行，進一步加強圖像結構信息的修復。實驗結果證明了該算法的有效性。
　　最后，為了根據(jù)圖像全局自相似信息加強圖像表示的稀疏性約束，并建立與圖像內容自適應的字典，本文提出了基于分類學習字典全局稀疏表示模型的圖像修復思路。該算法首先對圖像中不同幾何結構的多個子區(qū)域分別構建符合各自結構特征的學習字典。然后根據(jù)圖像自相似性特點構建能夠描述圖像塊空間組織結構關系的全