[发明专利]基于紧框架特征字典的图像修复方法

摘要

本发明提出了一种基于紧框架特征字典的图像修复方法，利用离散余弦变换DCT‑Ⅱ型正交矩阵，构造出具有冗余性的离散余弦变换DCT框架系统，并成功应用于图像修复领域，有效的修复图像的文理结构信息。图像在DCT小框架基的分解下，得到的框架系数代表图像不同方向或不同阶的边缘特征信息，同时利用框架系数稀疏的先验知识，建立基于加权l1范数的DCT框架系数优化模型，提出基于逼近算子的迭代算法获取模型的解。在概率模型的假设下，利用拉普拉斯概率分布先验模型近似几何框架系数的实际概率分布，同时假设模型噪声的高斯分布条件下，利用MAP技术建立自适应稀疏软阈值算子，对图像进行几何框架系数稀疏表示，既能够保护边缘特征又能滤除噪声。

主权项

一种基于紧框架特征字典的图像修复方法，其特征在于，所述方法包括以下步骤：S1：将图像数据划分成若干个图像块，其中，包括需要修复的目标图像块P_T，假设目标结构特征y∈R^d；S2：利用DCT框架系统，将空间域的图像结构信息变换到DCT框架域中，不同的频带框架系数代表不同的频带特征，其中，所述DCT框架系统利用离散余弦变换DCT‑Ⅱ型正交矩阵构造出来；S3：从已知的图像数据区域中选取与所述目标图像块P_T具有相似结构特征的图像块，构成对所述目标图像块P_T具有相似特征的样本特征字典Ξ:＝[Ξ₁,Ξ₂,…,Ξ_n]，其中Ξ_i∈R^d是第i个样本特征，利用框架系数稀疏的先验知识，建立基于加权l₁范数的DCT框架系数优化模型，基于逼近算子的迭代算法获取所述模型的解，构造出合适的特征字典S4：利用构造的特征字典预测估计出目标图像特征信息即其中，α∈Rⁿ为线性组合系数；S5：参照估计得出的目标图像特征信息对图像进行修复。