基于稀疏表示的图像修复算法实现与优化研究

《基于稀疏表示的图像修复算法实现与优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目：基于稀疏表示的图像修复算法实现与优化研究学科专业：通信与信息系统学位申请人：许文杰指导教师：张相芬摘要图像修复是数字图像处理领域中一项重要技术，其核心思想是采用图像中的有效信息来近似估计图像中未知区域，从而使修复后的图像视觉效果接近或符合原图像，这种技术在众多应用领域上具有很强的实用性。近年来，稀疏表示方式在图像修复上的应用已经成为一个新颖的研究方向，本文是在稀疏表示理论的深入研究的基础上，结合当前最新的图像修复研究成果从算法实现、算法效率以及性能优化的角度展开深入研究。本文主要的研究工作如下：1介绍了稀疏表示理论的基本概念，对解决稀疏近似问题的主要算法进行讨论，并

2、提出了利用L1范数近似替代L0范数简化稀疏表示表达式，极大地降低了计算复杂度。2构建了基于稀疏表示的图像修复模型。首先，分别从局部和整体两个角度建立约束后的基元线性组合数学模型，得到稀疏性较好的能量函数，并对能量函数进行极小化优化；其次，分别采用离散余弦变换(DCT)以及自适应学习两种方式建立了基元组，并对其进行了分析比较；最后，从图像修复三大步骤一建立基元组、顺序填充以及算法复原上详细阐述了基于稀疏表示的图像修复算法实现的具体流程。3提出了基于颜色信息和梯度差异的填充顺序改进算法，优化了基于稀疏表示图像修复算法的过程。通过在算法中加入颜色信息，改变待修复块的顺序，同时根据图

3、像待修复区域复杂度的不同采用改进的Criminisi算法来调整模板窗口的大小，并加入梯度差异值的判断，极大地减少修复时间。4在图像边界修复问题上，本文提出一种基于粒子群优化的误差最小边界算法，有效地解决了传统图像边界修复后残留和视觉效果不良的问题，提高了算法效率以及修复效果。，TMatlab仿真实验结果表明，相比于传统的图像修复方法，本文提出的基于稀疏表示的图像修复算法在算法实现、代码效率以及修复后视觉效果上，都有较明显的改进，对图像修复研究有一定的参考价值。关键词：图像修复；稀疏表示；基元线性组合；能量函数；粒子群优化IITitle：TheRealizitionandOpt

4、imizationResearchforImageInpaintingAlgorithmbasedonSparseRepresentationMajor：TelecommunicationandInformationSystemApplicant：WenjieXuTutor：XiangfenZhangAbstractImageinpainfingisanimportanttechnologyintheareaofdigitalimageprocessing．Thecoreideaistomakefulluseofactiveinformationtoestimatetheun

5、knownareaofimageSOthattherepairedimagewillbeclosetoorachievingtothevisualeffectoforiginalimage．Thistechnologyhasverystrongpracticabilityinmanyapplicationareas．Inrecentyears，sparserepresentationtheoryhasbecomeanoveltyresearchdirectioninimagerestorationtechnology．Therefore，thispaperbasedonthe

6、studyfortheoryofsparserepresentationandcombined、杭t11thelatestresearchresultsofimagerestorationalgorithmdeeplystudyfromthefollowingangles：algorithmimplementation，algorithmefficiencyandperformanceoptimization．Mainresearchworkofthispaperisasfollows：1．Thisthesishasintroducedthebasicconceptofspa

7、rserepresentationtheory，discussedthemainalgorithmtosolvetheproblemofsparseapproximation，andproposedamethodSOthatcomputationalcomplexityisgreatlyreducedwhenadoptingL1normtoapproximatelyreplaceL0normforsimplifyingsparserepresentationexpression．2．Itconstruc