基于稀疏表示的圖像修復技術(shù)研究.pdf

1、圖像修復在醫(yī)學成像以及監(jiān)控視頻等領(lǐng)域應用廣泛，由于現(xiàn)實中圖像污染成因的復雜性以及污染途徑的多樣性，導致目前還沒有統(tǒng)一實用的修復模型。圖像修復仍然是計算機視覺領(lǐng)域的熱點與難點。
　　圖像先驗知識在圖像修復中起到關(guān)鍵性作用，稀疏先驗和非局部自相似先驗都是是圖像修復中最常用的先驗信息。在實際應用中，將稀疏先驗、非局部自相似先驗與其它先驗知識相結(jié)合能夠取得更好的圖像修復效果。因此，本文著重研究聯(lián)合稀疏先驗、非局部自相似先驗與其它先驗知識進

2、行圖像修復，主要內(nèi)容包括兩個部分。
　　第一，利用高斯混合模型從自然圖像中學習高斯混合先驗信息，然后從學習的高斯混合模型中借助奇異值分解得到每一個圖像相似塊矩陣的字典，再基于稀疏表示技術(shù)，設(shè)計了一種新的將稀疏先驗、非局部自相似先驗和自然圖像的高斯先驗相結(jié)合的圖像修復模型，該算法在圖像修復問題中取得了相當好的修復結(jié)果。
　　第二，首先將圖像修復問題視作一個低秩矩陣恢復問題，然后將低秩矩陣恢復問題的求解轉(zhuǎn)化為加權(quán)核范數(shù)極小化問題