基于稀疏性的图像分层修复

论文摘要

图像修复是利用破损图像中的已知信息来得到丢失信息的处理过程。由于存放不当、人为破损等原因,一些美术作品和照片出现了裂痕和退化等问题。如果对破损图像本身进行修复,需要耗费大量时间,而且效果无法保证。数字图像修复技术可以较好的解决该问题,利用计算机可自动完成整个修复工作。数字图像修复技术在图像超分辨率分析、图像压缩、图像和视频传输的错误隐藏等方面也都有着重要应用。本文从稀疏分解的角度,研究了图像修复的算法。将图像的稀疏修复方法和分层模型相结合,设计了基于稀疏性的图像分层修复算法。主要工作如下：1.分析了基于稀疏分解的图像修复的理论,将MP算法应用于图像修复,并进行了仿真实验。由于该算法运算时间比较长,因而后续重点研究了基于稀疏性的图像修复算法,速度得到了明显提高。利用稀疏性思想,针对图像中的结构和纹理成份的特点,引出了分层修复和叠加处理的方法。2.研究了图像的分层模型：DCT、ROF和VO模型。分析了各个模型的原理和特点,并比较了各个模型用于图像分层的效果。实验表明,VO模型用于图像的分层,效果更好。3.研究了基于稀疏性的图像分层修复算法和叠加处理的方法。图像被分解成结构和纹理两层,分别使用Curvelet、DCT变换修复结构层和纹理层,叠加得到最后结果。首先通过实例,说明了DCT模型用于分层修复的效果不理想。接着研究了基于VO模型的分层修复算法和叠加处理方法,并给出了一些例子验证了该方法的可行性。针对字母缺损图像分层修复时出现的问题,通过添加伪边缘处理,改善了图像的修复效果。叠加处理则融合了单一Curvelet、DCT变换的优点,图像的整体效果有一定提高,但还存有一些瑕疵。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究目的及意义
• 1.3 图像修复研究现状
• 1.3.1 基于偏微分方程的图像修复
• 1.3.2 基于纹理合成的图像修复
• 1.3.3 同时含有结构和纹理的图像修复
• 1.3.4 基于稀疏分解思想的图像修复
• 1.4 论文的主要工作
• 第2章 图像修复理论基础
• 2.1 图像修复的数学描述
• 2.2 图像修复的指导理论与思想
• 2.2.1 图像修复的视觉心理学特点
• 2.2.2 图像修复的基本原则
• 2.2.3 图像修复的特殊性
• 2.2.4 图像修复的病态性
• 2.3 图像修复算法的评价
• 2.4 图像的稀疏分解理论
• 2.5 本章小结
• 第3章 基于稀疏分解的图像修复算法研究
• 3.1 基于稀疏分解的图像修复的理论
• 3.2 基于MP算法的图像修复
• 3.2.1 算法描述
• 3.2.2 实验结果及分析
• 3.3 基于稀疏性的图像修复
• 3.3.1 算法描述
• 3.3.2 实现细节
• 3.3.3 实验结果及分析
• 3.4 本章小结
• 第4章 图像的分层模型及实现
• 4.1 离散余弦变换
• 2）模型'>4.2 ROF（TV-L²）模型
• 4.2.1 ROF模型介绍
• 4.2.2 特点分析
• 4.2.3 数值计算
• 4.2.4 实验结果及分析
• 4.3 VO模型
• 4.3.1 VO模型介绍
• 4.3.2 数值计算
• 4.4 DCT、ROF、VO模型在图像分层中的应用
• 4.5 本章小结
• 第5章 基于稀疏性的图像分层修复算法和实验结果
• 5.1 基于稀疏性的图像分层修复算法
• 5.2 基于DCT模型的图像分层修复实验
• 5.3 基于VO模型的图像分层修复实验
• 5.3.1 方块和刮痕缺损图像的修复实验
• 5.3.2 字母缺损图像的修复实验
• 5.3.3 大面积缺损图像的修复实验
• 5.4 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果