發(fā)布時間：2018-09-04 05:57

【摘要】：圖像修復是圖像處理領(lǐng)域中一項重要技術(shù),主要是利用圖像中現(xiàn)有的信息,估計圖像中的未知區(qū)域,從而使修復后的圖像在視覺上與原圖像接近,圖像修復技術(shù)在實際生活中應用廣泛�；谙∈璞硎镜膱D像修復技術(shù)已經(jīng)成為一個新的研究方向,本文是在稀疏表示理論研究基礎(chǔ)上,結(jié)合字典訓練和聚類方法對圖像修復技術(shù)進一步研究。本文首先介紹了圖像修復的研究背景、意義以及國內(nèi)外研究現(xiàn)狀,主要研究內(nèi)容是:介紹稀疏表示理論、常用的稀疏表示算法和K-SVD字典學習算法;分析了目前常用的圖像修復算法的優(yōu)缺點。詳細地分析了基于稀疏表示和字典學習的圖像修復算法,采用此方法進行圖像修復,其結(jié)果的優(yōu)劣性與學習的字典的好壞有很大關(guān)系,本文為了保證字典內(nèi)容豐富且具有自適應性,在進行字典學習前,先對圖像庫的圖像進行聚類,因此本文還介紹了模糊聚類算法及其改進算法,使用Canopy算法改善模糊聚類算法以及在分布式平臺上的應用。仿真結(jié)果表明Canopy-FCM算法相比FCM算法準確率提高,簇間距離減小,加入聚類后的圖像修復算法在均方根誤差和峰值信噪比的數(shù)值上,優(yōu)于僅僅利用待修復圖像本身進行字典訓練的圖像修復算法,算法很好地利用了圖像之間的相似性,對含有豐富結(jié)構(gòu)信息的圖像,修復效果較好,并且彌補了基于K-SVD的圖像修復算法的一些缺憾,在一定程度上改善了圖像修復的質(zhì)量。
[Abstract]:Image restoration is an important technology in the field of image processing. It mainly uses the existing information in the image to estimate the unknown region in the image, so that the restored image is close to the original image visually. Image restoration technology is widely used in real life. Image restoration based on sparse representation has become a new research direction. Based on the theory of sparse representation, this paper combines dictionary training and clustering method to further study image restoration technology. This paper first introduces the research background, significance and current situation of image restoration. The main research contents are: sparse representation theory, sparse representation algorithm and K-SVD dictionary learning algorithm; The advantages and disadvantages of current image restoration algorithms are analyzed. The image restoration algorithm based on sparse representation and dictionary learning is analyzed in detail. In order to ensure that the dictionary is rich in content and self-adaptive, the image of the image library is clustered before the dictionary is studied, so this paper also introduces the fuzzy clustering algorithm and its improved algorithm. Canopy algorithm is used to improve fuzzy clustering algorithm and its application on distributed platform. The simulation results show that the accuracy of Canopy-FCM algorithm is higher than that of FCM algorithm, and the distance between clusters is reduced. The RMS error and peak signal-to-noise ratio (PSNR) of the image restoration algorithm after clustering are calculated. The algorithm is better than the image restoration algorithm which only uses the image itself to be repaired for dictionary training. The algorithm makes good use of the similarity between the images, and has a good effect on the images with rich structural information. It also makes up for some shortcomings of image restoration algorithm based on K-SVD, and improves the quality of image restoration to some extent.
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 余長俊;張燃;;云環(huán)境下基于Canopy聚類的FCM算法研究[J];計算機科學;2014年S2期

2 虞倩倩;戴月明;;基于MapReduce的并行模糊C均值算法[J];計算機工程與應用;2013年14期

3 李國杰;程學旗;;大數(shù)據(jù)研究:未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J];中國科學院院刊;2012年06期

4 李民;李世華;樂翔;李小文;羅環(huán)敏;;基于學習字典的圖像修復算法[J];儀器儀表學報;2011年09期

5 張辰;夏士雄;劉兵;;一種改進的可能模糊聚類算法[J];計算機應用研究;2011年08期

6 張建強;鄭曉薇;吳華平;;模糊C均值聚類算法的并行化研究[J];微型機與應用;2010年23期

7 胡正平;劉文;許成謙;李杰;;局部自適應學習基稀疏約束結(jié)合信息優(yōu)先權(quán)選擇擴散的迭代圖像修復算法研究[J];儀器儀表學報;2010年03期

8 付紹春;樓順天;;基于區(qū)域紋理合成的圖像修補算法[J];電子與信息學報;2009年06期

9 彭秋生;魏文紅;;基于核方法的并行模糊聚類算法[J];計算機工程與設(shè)計;2008年08期

10 李麗麗;劉希玉;劉濤;孫秀娟;;一種基于粒子群優(yōu)化的FCM聚類方法[J];信息技術(shù)與信息化;2008年01期

相關(guān)博士學位論文 前1條

1 鄧承志;圖像稀疏表示理論及其應用研究[D];華中科技大學;2008年

相關(guān)碩士學位論文 前1條

1 張躍飛;基于稀疏分解的圖像壓縮[D];西南交通大學;2006年

，

本文編號：2221216