摘要
结构组稀疏表示(structural group sparse representation,SGSR)算法对结构组的估计值进行奇异值分解得到字典,然后用Split Bregman Iteration算法求解优化模型得到稀疏解,最后借助字典和稀疏解来修复图像.该算法在一定程度上解决了传统稀疏表示算法忽略图像块之间相似性导致重构图像的结构和纹理不够自然的问题.但该算法中,结构组的估计值采用双线性插值算法得到,因此对块状缺失图像的修复效果一般.为了更准确地计算结构组的估计值,提出用Criminisi算法代替双线性插值算法,并由此时的估计值生成更合理的字典和稀疏解,得到重构的结构组,进而更准确地修复图像.实验数据表明,与SGSR算法相比,所提出的算法在峰值信噪比和相似结构性指数上分别平均提高了2.66 dB和0.0017,且在结构和纹理上取得了更自然的主观视觉效果.
基金项目
国家自然科学基金(61501260:)
江苏省研究生科研与实践创新计划项目(KYCX170776)
南京邮电大学科研基金(NY219076)
国家科技期刊平台
NSTL
维普
万方数据