基于群结构稀疏表示的图像修复

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (18): 14-17.

基于群结构稀疏表示的图像修复

计宏磊，杨清文

陆军军官学院远程火箭炮系，合肥 230031

出版日期:2016-09-15 发布日期:2016-09-14

Image inpainting algorithm based on group-structured sparse representation

JI Honglei, YANG Qingwen

Department of Long-range Rocket Gun, Army Officer Academy of PLA, Hefei 230031, China

Online:2016-09-15 Published:2016-09-14

摘要/Abstract

摘要： 针对基于稀疏表示的图像修复方法存在稀疏系数先验知识表达不足等问题，考虑图像的纹理自相似性和原子系数的群结构稀疏性，提出了群结构约束的稀疏表示模型，通过选取合适的群结构约束稀疏系数，使字典中相邻基对应的稀疏系数之间建立联系，并统一对输入图像的有效数据图块与训练样本进行稀疏编码来进一步训练字典，使其具有相同的稀疏模式，从而建立联合稀疏关联，并将其作为先验知识指导图像修复。通过区域目标剔除、像素缺失修复等实验验证其性能，实验结果表明，该方法有较强的自适应性，修复效果较好。

关键词: 信息处理技术, 稀疏表示, 联合字典学习, 群结构

Abstract: Aiming at priori knowledge representation of image inpainting algorithm based on sparse representation, considering image texture self-similar and group-structure spasity of atom’s coefficient, a group-structured sparse representation model is proposed. In the model, the sparse coefficient of adjacent atoms is restrained by appropriate group structure, and the input image valid patches and training samples are unified for joint sparse representation and learning dictionary, in which each element of the patches has the same sparse pattern, then this relationship is used as priori knowledge for image inpainting. Experimental results on target removing and pixels lost inpainting show that the proposed method has good performance.

Key words: information processing technology, sparse representation, dictionary learning, group-structured

计宏磊，杨清文. 基于群结构稀疏表示的图像修复[J]. 计算机工程与应用, 2016, 52(18): 14-17.

JI Honglei, YANG Qingwen. Image inpainting algorithm based on group-structured sparse representation[J]. Computer Engineering and Applications, 2016, 52(18): 14-17.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	陶体伟，刘明霞，王明亮，王琳琳，杨德运，张强. 基于有效距离的低秩表示[J]. 计算机工程与应用, 2021, 57(4): 141-147.
[3]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[4]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[5]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[6]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[7]	李巧，陈花竹，杨春雨，李丹. 基于判别性解析字典与分类器学习的模式分类[J]. 计算机工程与应用, 2020, 56(6): 165-171.
[8]	陈良康，过榴晓，杨永清. 带有智能领导者的网络系统分群投影一致性[J]. 计算机工程与应用, 2020, 56(19): 42-47.
[9]	曹雯雯1，康彬2，颜俊1，丁琬1. 面向多源数据融合的稀疏表示目标跟踪[J]. 计算机工程与应用, 2019, 55(6): 1-7.
[10]	刘玉馨，何光辉. k近邻约束的稀疏子空间聚类[J]. 计算机工程与应用, 2019, 55(3): 39-45.
[11]	胡正平，刘怀飚，孙德刚. 邻域排斥稀疏判决单样本亲属关系认证算法[J]. 计算机工程与应用, 2019, 55(22): 133-139.
[12]	张凯兵，郑冬冬，景军锋. 低分辨人脸识别综述[J]. 计算机工程与应用, 2019, 55(22): 14-24.
[13]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[14]	孔凡芝，李金龙，吴冬梅. 结合低维特征和在线加权MIL的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(18): 116-121.
[15]	刘霞，罗文辉，苏义鑫. 改进稀疏表示算法在人脸识别中的应用[J]. 计算机工程与应用, 2019, 55(14): 191-197.