学位论文 > 优秀研究生学位论文题录展示

基于稀疏表示的图像修补研究

作　者: 邢海霞
导　师: 祝轩
学　校: 西北大学
专　业: 电子与通信工程
关键词: 稀疏表示 图像修补 MCA模型 SAT模型 Bregman迭代
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 182次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像修补技术是图像处理的关键技术之一,被广泛地应用于生物视觉系统研究、计算机模式识别和医学等多个领域。目前,基于稀疏表示的图像修补研究是该领域近几年的一个新的研究分支,同时,稀疏表示的图像修补研究具有很重要的现实意义和广阔的研究前景,基于此,本文在以下几方面进行了研究,并有所收获：1、系统地研究了MCA稀疏模型,实现了基于MCA模型的图像稀疏分解,并数值实现MCA和TV模型相结合的污损图像修补。更进一步指出MCA模型可以和CDD模型相结合修补污损图像,并算法实现。实验证明,MCA&CDD修补算法在一定程度上克服了MCA&TV的弊病,能够较好修补污损图像。2、研究VO模型与Bregman迭代理论,利用Bregman迭代求解VO模型,实现基于VO模型的图像分解,并将VO模型、曲波变换、局域DCT变换与CDD模型相结合实现基于VO&CDD的稀疏图像修补,实验证明,VO&CDD可以较好地实现稀疏图像修补。3、引入稀疏表示与全变分相结合的图像分解模型(SAT模型),并利用Bregman迭代方法求解该模型,将其应用于稀疏分解与稀疏图像修补。实验证明,SAT模型能够获得好的重构图像,并具有好的图像稀疏修补能力。总之,本文重点研究了稀疏分解模型以及基于稀疏表示的图像修补方法,并算法实现了MCA&TV、MCA&CDD和VO&CDD修补算法,更进一步采用SAT模型实现图像稀疏分解与修补,分别获得好的修补结果。

全文目录


摘要  3-4
Abstract  4-8
第一章 绪论  8-16
  1.1 引言  8
  1.2 图像的稀疏表示  8-12
    1.2.1 稀疏表示理论  8-11
    1.2.2 稀疏表示的国内外研究现状  11-12
  1.3 图像修补概述  12-14
  1.4 本文的主要研究内容及结构安排  14-16
第二章 基于稀疏MCA模型的图像修补  16-28
  2.1 MCA模型  16-20
    2.1.1 MCA数学模型  16-17
    2.1.2 MCA模型算法实现  17-19
    2.1.3 MCA模型实验结果  19-20
  2.2 CDD图像修补模型  20-22
    2.2.1 CDD模型修补原理  20-21
    2.2.2 CDD模型算法实现  21-22
  2.3 MCA&CDD相结合的图像修补  22-27
    2.3.1 MCA&CDD相结合算法  22-23
    2.3.2 MCA&CDD实验结果  23-27
  2.4 本章小结  27-28
第三章 基于VO模型的稀疏图像修补  28-48
  3.1 Bregman迭代方法  28-36
    3.1.1 Bregman距离  28
    3.1.2 基本Bregman迭代方法  28-30
    3.1.3 简化Bregman迭代方法  30-31
    3.1.4 线性化Bregman迭代方法  31-35
    3.1.5 分裂Bregman迭代方法  35-36
  3.2 VO模型  36-38
  3.3 Bregman方法求解VO模型实现图像分解  38-44
    3.3.1 算法实现  38-40
    3.3.2 实验仿真  40-44
  3.4 VO&CDD模型相结合的稀疏图像修补  44-47
    3.4.1 算法实现  44-45
    3.4.2 实验仿真  45-47
  3.5 本章小结  47-48
第四章 一种新的图像稀疏分解修补模型  48-60
  4.1 SAT模型的建立  48-49
  4.2 基于Bregman迭代的SAT模型的图像分解  49-52
    4.2.1 算法实现  49-50
    4.2.2 实验仿真与分析  50-52
  4.3 基于Bregman迭代的SAT模型图像稀疏修补  52-59
    4.3.1 算法实现  52-55
    4.3.2 实验仿真与分析  55-59
  4.4 本章小结  59-60
第五章 总结与展望  60-62
  5.1 研究内容总结  60
  5.2 未来工作展望  60-62
参考文献  62-66
致谢  66

相似论文

  1. 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
  2. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  3. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  4. 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
  5. 基于压缩感知的信号恢复算法研究,TN911.7
  6. 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
  7. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  8. 弱稀疏信号欠定盲分离技术的研究,TN911.7
  9. 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
  10. 基于稀疏表示的人体运动捕获数据分析方法研究,TP391.41
  11. 基于内容的商品图像分类技术研究,TP391.41
  12. 数字图像修复技术研究,TP391.41
  13. 沥青路面病害修补图像的自动检测方法研究,TP391.41
  14. 基于深度图像绘制的二维转三维视频关键技术研究,TP391.41
  15. 基于MRF的图像样本修补技术研究及实现,TP391.41
  16. 基于稀疏表示的小波图像去噪,TP391.41
  17. 基于TV模型的中值公式的研究,TP391.41
  18. 小波图像修补空域求解方法研究,TP391.41
  19. 基于图像的虚拟实景空间构建及应用,TP391.41
  20. 若干分类字典下形态分量分析算法与图像修补应用研究,TP391.41
  21. 基于全变分模型的图像修补研究及应用,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com