论文部分内容阅读
本文主要研究基于KSVD的双字典学习算法以及在图像分割与图像修复中的应用。随着压缩感知理论的提出和迅速发展,稀疏表示成为图像处理技术乃至大数据处理技术中的热门问题.基于学习的超完备字典较普通的字典有更好的稀疏表示效果,因而被广泛应用.然而现存的超完备字典学习算法只能训练得到一个字典,对于基于Morphological Component Analysis(MCA)模型的图像分割与修复问题,需要同时得到图像的卡通部分与文本部分的表示字典,基于此应用,本文深入研究字典学习算法,并对其进行改进,提出基于KSVD的双字典学习算法DoubleDictionary Learning Algorithm Based On KSVD(DDKSVD),并通过对比实验证明了算法的可行性和在图像分割与修复方面的优势性. 图像修复问题是近年来的热点问题,在博物馆文物修复、珍贵资料修复方面都有广泛的应用,随着稀疏表示理论的不断完善与发展,学习字典在图像修复中的优势日益凸显,本文利用矩阵填充思想,用双字典学习算法DDKSVD对有划痕的图像、文字覆盖的图像以及像素丢失率达到25%、50%、75%的图像进行了修复,并与传统的KSVD算法进行了对比实验,DDKSVD算法对于严重受损图像有很好的修复效果,并且对噪声的容忍度要好于KSVD算法. 字典学习算法都存在同样的问题,训练字典所需的时间比较长,计算复杂度比较大,为了解决这一问题,本文提出一种快速图像修复算法,对于纹理不是很复杂的图像修复问题有很好的效果.