版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、圖像修復(fù)的過程是通過某種算法對待修復(fù)圖像上的丟失部分信息的填補(bǔ)或重建,使得人眼觀測不到修復(fù)后的圖像有明顯的修復(fù)痕跡。目前的圖像修復(fù)技術(shù)已經(jīng)被廣泛應(yīng)用于文物保護(hù),老照片的修復(fù),多余物體的去除等多個領(lǐng)域。
本文首先對已有的經(jīng)典圖像修復(fù)算法進(jìn)行了研究,通過算法仿真、數(shù)據(jù)對比和結(jié)果分析,將多種彩色圖像修復(fù)方法進(jìn)行了對比,提出各算法中的不足,并對這些不足進(jìn)行相關(guān)的改進(jìn),研究了彩色圖像基于稀疏表示的修復(fù)方法。
1.針對利用RGB
2、顏色模型對彩色圖像修復(fù)過程時,由于RGB三通道間的相關(guān)性以及結(jié)構(gòu)復(fù)雜性導(dǎo)致修復(fù)效果不理想的不足,提出了將RGB顏色模型修復(fù)過程轉(zhuǎn)化到Y(jié)UV顏色模型進(jìn)行,采用分類稀疏表示方法以提高對彩色圖像的修復(fù)效果。算法首先將圖像映射到Y(jié)UV顏色模型并對不同成份分塊;然后,從大量的自然圖像以及待修復(fù)圖像中提取大量的有用信息,利用Fast-ICA算法分類訓(xùn)練獲得過完備字典;最后,利用優(yōu)先權(quán)函數(shù)約束待修復(fù)塊的修復(fù)順序,結(jié)合重構(gòu)算法SL0對待修復(fù)塊進(jìn)行重構(gòu),
3、實(shí)現(xiàn)對圖像的修復(fù)。實(shí)驗(yàn)結(jié)果表明該方法較好地修復(fù)條狀破損、小塊破損以及大塊破損的圖像和文字移除,使邊界和紋理的修復(fù)更加和諧。
2.針對傳統(tǒng)的稀疏表示算法中,字典原子大小往往是固定不變的,在修復(fù)紋理區(qū)域時,會因字典原子過大產(chǎn)生模糊的現(xiàn)象,在修復(fù)平滑區(qū)域時,會因字典原子過小導(dǎo)致區(qū)域的延伸,從而影響圖像修復(fù)效果。為了克服這一缺陷,本文采用待修復(fù)塊的結(jié)構(gòu)稀疏度大小來調(diào)整修復(fù)優(yōu)先權(quán),通過分析修復(fù)塊位于紋理、邊緣、平滑等不同區(qū)域的結(jié)構(gòu)信息,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的圖像修復(fù)方法研究.pdf
- 基于圖像分解和稀疏表示的圖像修復(fù)方法研究.pdf
- 基于稀疏結(jié)構(gòu)的圖像修復(fù)方法研究.pdf
- 基于稀疏表示的圖像修復(fù)研究.pdf
- 基于顯著性圖像邊緣聯(lián)合稀疏表示的圖像恢復(fù)方法研究.pdf
- 基于稀疏表示的圖像修復(fù)技術(shù)研究.pdf
- 基于壓縮感知的圖像稀疏表示方法.pdf
- 基于稀疏低秩矩陣的有噪圖像修復(fù)方法研究.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示的單幅彩色圖像超分辨率重建方法研究.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 基于稀疏表示的圖像目標(biāo)分類方法研究.pdf
- 基于稀疏表示理論的多波段圖像融合與彩色化.pdf
- SL0稀疏表示的圖像修復(fù)研究.pdf
- 基于FMM和稀疏表示圖像修復(fù)算法的研究.pdf
- 基于塊稀疏表示和區(qū)域特性的圖像修復(fù)算法.pdf
- 基于結(jié)構(gòu)稀疏表達(dá)的圖像恢復(fù)方法研究.pdf
- 基于稀疏表示的微波輻射圖像重構(gòu)方法研究.pdf
- 基于卷積稀疏表示的圖像去雨方法研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
評論
0/150
提交評論