| 基于压缩感知的稀疏度自适应图像修复; Sparsity Adaptive Algorithm for Image Inpainting Based on Compressive Sensing | |
| 周亚同 ; 王丽莉 ; 唐红梅 | |
| 2014 | |
| 关键词 | 压缩感知 图像修复 K-奇异值分解 稀疏度自适应 正则化正交匹配追踪(ROMP) compressive sensing image inpainting K-SVD(Singular Value Decomposition) sparsity adaptive ROMP(Regularized Orthogonal Matching Pursuit) |
| 英文摘要 | 压缩感知理论利用信号的稀疏特性，能够以较少的采样数据恢复出完整的信号。本文基于压缩感知理论，提出一种稀疏度自适应图像修复算法。有别于传统的图像修复方法，本文首先根据大量样本数据进行K-奇异值分解(K-SVD)字典训练，用训练得到的超完备字典取代正交基函数；然后根据图像的退化模型对感知矩阵加以约束；最后针对二维破损图像稀疏度未知问题，在重构阶段提出了一种稀疏度自适应正则化正交匹配追踪算法(SA-ROMP)实现破损图像修复。本文引入的超完备字典能够自适应地根据训练样本进行特征提取，具有更强的稀疏表示能力。重构阶段的 SA-ROMP算法在迭代过程中利用 logistic回归函数获取阈值，再通过阈值对残差与感知矩阵的相关系数进行判定，能够自适应选择原子候选集的个数。图像修复实验结果验证了本文算法的可行性，并且修复效果明显优于其他同类算法。; 国家自然科学基金; 河北省自然科学基金; 天津市应用基础及前沿技术研究计划; 中文核心期刊要目总览(PKU); 中国科技核心期刊(ISTIC); 中国科学引文数据库(CSCD); 0; 9; 52-59 |
| 语种 | 中文 |
| 出处 | 知网 ; 万方 ; http://d.g.wanfangdata.com.cn/Periodical_tdxb201409011.aspx |
| 出版者 | 铁道学报 |
| 内容类型 | 其他 |
| 源URL | [http://hdl.handle.net/20.500.11897/221335]  |
| 专题 | 数学科学学院 |
| 推荐引用方式 GB/T 7714 | 周亚同,王丽莉,唐红梅. 基于压缩感知的稀疏度自适应图像修复, Sparsity Adaptive Algorithm for Image Inpainting Based on Compressive Sensing. 2014-01-01. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论