資源描述：
《基于稀疏表示的圖像修復(fù)算法實(shí)現(xiàn)與優(yōu)化研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、論文題目：基于稀疏表示的圖像修復(fù)算法實(shí)現(xiàn)與優(yōu)化研究學(xué)科專(zhuān)業(yè)：通信與信息系統(tǒng)學(xué)位申請(qǐng)人：許文杰指導(dǎo)教師：張相芬摘要圖像修復(fù)是數(shù)字圖像處理領(lǐng)域中一項(xiàng)重要技術(shù)，其核心思想是采用圖像中的有效信息來(lái)近似估計(jì)圖像中未知區(qū)域，從而使修復(fù)后的圖像視覺(jué)效果接近或符合原圖像，這種技術(shù)在眾多應(yīng)用領(lǐng)域上具有很強(qiáng)的實(shí)用性。近年來(lái)，稀疏表示方式在圖像修復(fù)上的應(yīng)用已經(jīng)成為一個(gè)新穎的研究方向，本文是在稀疏表示理論的深入研究的基礎(chǔ)上，結(jié)合當(dāng)前最新的圖像修復(fù)研究成果從算法實(shí)現(xiàn)、算法效率以及性能優(yōu)化的角度展開(kāi)深入研究。本文主要的研究工作如下：1介紹了稀疏表示理論的基本概念，對(duì)解決稀疏近似問(wèn)題的主要算法進(jìn)行討論，并
2、提出了利用L1范數(shù)近似替代L0范數(shù)簡(jiǎn)化稀疏表示表達(dá)式，極大地降低了計(jì)算復(fù)雜度。2構(gòu)建了基于稀疏表示的圖像修復(fù)模型。首先，分別從局部和整體兩個(gè)角度建立約束后的基元線性組合數(shù)學(xué)模型，得到稀疏性較好的能量函數(shù)，并對(duì)能量函數(shù)進(jìn)行極小化優(yōu)化；其次，分別采用離散余弦變換(DCT)以及自適應(yīng)學(xué)習(xí)兩種方式建立了基元組，并對(duì)其進(jìn)行了分析比較；最后，從圖像修復(fù)三大步驟一建立基元組、順序填充以及算法復(fù)原上詳細(xì)闡述了基于稀疏表示的圖像修復(fù)算法實(shí)現(xiàn)的具體流程。3提出了基于顏色信息和梯度差異的填充順序改進(jìn)算法，優(yōu)化了基于稀疏表示圖像修復(fù)算法的過(guò)程。通過(guò)在算法中加入顏色信息，改變待修復(fù)塊的順序，同時(shí)根據(jù)圖
3、像待修復(fù)區(qū)域復(fù)雜度的不同采用改進(jìn)的Criminisi算法來(lái)調(diào)整模板窗口的大小，并加入梯度差異值的判斷，極大地減少修復(fù)時(shí)間。4在圖像邊界修復(fù)問(wèn)題上，本文提出一種基于粒子群優(yōu)化的誤差最小邊界算法，有效地解決了傳統(tǒng)圖像邊界修復(fù)后殘留和視覺(jué)效果不良的問(wèn)題，提高了算法效率以及修復(fù)效果。，TMatlab仿真實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)的圖像修復(fù)方法，本文提出的基于稀疏表示的圖像修復(fù)算法在算法實(shí)現(xiàn)、代碼效率以及修復(fù)后視覺(jué)效果上，都有較明顯的改進(jìn)，對(duì)圖像修復(fù)研究有一定的參考價(jià)值。關(guān)鍵詞：圖像修復(fù)；稀疏表示；基元線性組合；能量函數(shù)；粒子群優(yōu)化IITitle：TheRealizitionandOpt
4、imizationResearchforImageInpaintingAlgorithmbasedonSparseRepresentationMajor：TelecommunicationandInformationSystemApplicant：WenjieXuTutor：XiangfenZhangAbstractImageinpainfingisanimportanttechnologyintheareaofdigitalimageprocessing．Thecoreideaistomakefulluseofactiveinformationtoestimatetheun
5、knownareaofimageSOthattherepairedimagewillbeclosetoorachievingtothevisualeffectoforiginalimage．Thistechnologyhasverystrongpracticabilityinmanyapplicationareas．Inrecentyears，sparserepresentationtheoryhasbecomeanoveltyresearchdirectioninimagerestorationtechnology．Therefore，thispaperbasedonthe
6、studyfortheoryofsparserepresentationandcombined、杭t11thelatestresearchresultsofimagerestorationalgorithmdeeplystudyfromthefollowingangles：algorithmimplementation，algorithmefficiencyandperformanceoptimization．Mainresearchworkofthispaperisasfollows：1．Thisthesishasintroducedthebasicconceptofspa
7、rserepresentationtheory，discussedthemainalgorithmtosolvetheproblemofsparseapproximation，andproposedamethodSOthatcomputationalcomplexityisgreatlyreducedwhenadoptingL1normtoapproximatelyreplaceL0normforsimplifyingsparserepresentationexpression．2．Itconstruc
