高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

非局部学习字典的图像修复

李民 程建 李小文 乐翔

李民, 程建, 李小文, 乐翔. 非局部学习字典的图像修复[J]. 电子与信息学报, 2011, 33(11): 2672-2678. doi: 10.3724/SP.J.1146.2010.01426
引用本文: 李民, 程建, 李小文, 乐翔. 非局部学习字典的图像修复[J]. 电子与信息学报, 2011, 33(11): 2672-2678. doi: 10.3724/SP.J.1146.2010.01426
Li Min, Cheng Jian, Li Xiao-Wen, Le Xiang. Image Inpainting Based on Non-local Learned Dictionary[J]. Journal of Electronics & Information Technology, 2011, 33(11): 2672-2678. doi: 10.3724/SP.J.1146.2010.01426
Citation: Li Min, Cheng Jian, Li Xiao-Wen, Le Xiang. Image Inpainting Based on Non-local Learned Dictionary[J]. Journal of Electronics & Information Technology, 2011, 33(11): 2672-2678. doi: 10.3724/SP.J.1146.2010.01426

非局部学习字典的图像修复

doi: 10.3724/SP.J.1146.2010.01426
基金项目: 

国家973计划项目(2007CB714406),中国博士后基金特别资助项目(200902609)及电子科技大学青年科技基金重点项目(JX0804)资助课题

Image Inpainting Based on Non-local Learned Dictionary

  • 摘要: 该文提出一种新的基于学习的图像修复算法。与经典的稀疏表示模型不同,该文将非局部自相似图像块统一进行联合稀疏表示,训练高效的学习字典,并使自相似块间保持相同的稀疏模式。该方法既确保自相似块投影到稀疏空间后也具有相似性,也较好地保留了自相似块间的相关性信息,更有效地建立了它们的联合稀疏关联,并将这种关联作为先验知识来指导图像的修复。该算法使用大量自然图像样本来训练初始的过完备字典,既利用了样本图像的先验知识,又充分考虑了待处理图像本身的相关信息,自适应性强。通过对自然图像进行大﹑小范围图像修复和文字去除实验,该文方法均取得不错的修复效果。
  • 加载中
计量
  • 文章访问数:  3099
  • HTML全文浏览量:  146
  • PDF下载量:  2019
  • 被引次数: 0
出版历程
  • 收稿日期:  2010-12-27
  • 修回日期:  2011-07-28
  • 刊出日期:  2011-11-19

目录

    /

    返回文章
    返回