-
公开(公告)号：CN103700065A
公开(公告)日：2014-04-02
申请号：CN201310641763.X
申请日：2013-12-03
Applicant: 杭州电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种特征分类学习的结构稀疏传播图像修复方法。本发明首先将图像块按特征分类，根据不同特征的图像样本进行样本训练得到相对应的过完备字典；然后，对不同特征的待修复图像块提取不同的有效信息进行稀疏编码，使得稀疏表示具有较强的自适应能力；最后，针对结构稀疏传播模型带来的偏差进行修改，完善结构稀疏的传播机制。本发明可以有效修复图像结构边缘、不规则纹理和平滑区域的图像信息。
-
公开(公告)号：CN103700065B
公开(公告)日：2016-07-06
申请号：CN201310641763.X
申请日：2013-12-03
Applicant: 杭州电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种特征分类学习的结构稀疏传播图像修复方法。本发明首先将图像块按特征分类，根据不同特征的图像样本进行样本训练得到相对应的过完备字典；然后，对不同特征的待修复图像块提取不同的有效信息进行稀疏编码，使得稀疏表示具有较强的自适应能力；最后，针对结构稀疏传播模型带来的偏差进行修改，完善结构稀疏的传播机制。本发明可以有效修复图像结构边缘、不规则纹理和平滑区域的图像信息。
-
公开(公告)号：CN103745432A
公开(公告)日：2014-04-23
申请号：CN201310641780.3
申请日：2013-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结构约束和样本稀疏表示相结合的图像修复方法。本发明通过双边曲线拟合模型修复图像边缘信息轮廓线，通过优先权定义，使得结构部分优先被修复，并采用样本稀疏表示的窄带修复模型来修复结构信息，以此约束结构的整体平滑性；采用平移块的稀疏表示方法提高样本稀疏表示修复纹理信息的可靠性。本发明既可较好地修复图像的边缘结构，又能保持结构的整体平滑性。
-
公开(公告)号：CN103700093A
公开(公告)日：2014-04-02
申请号：CN201310641285.2
申请日：2013-12-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于纹理和边缘特征的Criminisi图像修复方法。本发明通过对纹理结构特征与边缘结构特征的分析，在优先权模型中引入增强对结构部分辨别能力的差别因子来优化优先权的计算。本发明能够有效抑制纹理部分的优先修复，防止纹理部分向边缘部分过分延伸而导致的图像线性结构破坏。
-
-
-
Search Results
4
records
(took 0.021 seconds)
