【技术实现步骤摘要】
本专利技术属于数字图像修复
,具体涉及。
技术介绍
传统的图像修复方法分为两类:一类是基于偏微分方程的方法。该方法本质上是一种扩散过程,但在修复大面积区域时存在明显模糊。另一类是基于纹理合成的方法。该方法用匹配块替换待修复块,当找不到匹配块时就会产生错误匹配并延续错误。为了解决贪婪性造成的错误匹配,人们对算法进行了很多改进,但任然避免不了错误的匹配和加权图像块过多带来的模糊。最近,一种新的图像稀疏表示方法在图像处理领域得到重视,许多学者将稀疏理论运用到图像修复的方法中。
技术实现思路
本专利技术针对现有技术的不足,提供了。在实验中发现,样本稀疏表示方法只将原始图像数据作为字典来稀疏表示待修复块,从而导致字典冗余性低,自适应性较差,与非局部平均算法一样会带来模糊;同时上述方法只将待修 复块周围的有效信息用于稀疏编码,并没有分类考虑图像块特征,先验知识有限。本专利技术采取以下技术方案: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。按如下步骤进行:第一步:采用聚类和分类相结合的方法,将图像块按照平滑、不规则纹理和结构三种特征进行细分。首先,采用局部方差来区分图像的平滑区域和非平滑区域,然后,采用均值漂移(Mean-Shift)来对图像进行聚类,通过最小化图像的纹理细节,突出边缘结构,当完成图像Mean-Shift聚类后,再将将非平滑的区域区分成 ...
【技术保护点】
一种特征分类学习的结构稀疏传播图像修复方法,其特征在于:步骤1:将图像块按特征分类,具体是:采用聚类和分类相结合的方法,将图像块按照平滑、不规则纹理和结构三种特征进行细分;首先,采用局部方差来区分图像的平滑区域和非平滑区域,然后,采用均值漂移来对图像进行聚类,通过最小化图像的纹理细节,突出边缘结构,当完成图像均值漂移聚类后,再将非平滑的区域区分成不规则纹理部分和结构部分;步骤2:对不同特征的图像块分别进行字典训练,得到相对应的特征字典,具体是:在稀疏表示领域,K‑SVD被用来构建一组信号的过完备字典,表述为: min D , a | | X - Da | | 2 , s . t . | | a i ...
【技术特征摘要】
1.一种特征分类学习的结构稀疏传播图像修复方法,其特征在于: 步骤1:将图像块按特征分类,具体是: 采用聚类和分类相结合的方法,将图像块按照平滑、不规则纹理和结构三种特征进行细分;首先,采用局部方差来区分图像的平滑区域和非平滑区域,然后,采用均值漂移来对图像进行...
【专利技术属性】
技术研发人员:唐向宏,康佳伦,任澍,李齐良,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。