买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:福州大学
摘要:本发明涉及一种基于先验信息指导的子空间低秩正则图像复原方法,包括以下步骤:步骤S1:获取自然图像,并利用混合高斯模型学习图像块的多个子空间结构;步骤S2:将待复原图像进行重叠分块,利用学习得到的多个子空间结构对这些重叠块进行聚类,得到多个相似块组;步骤S3:针对每一个相似块组,利用该块组的子空间结构指导线性变换建立子空间;步骤S4:在每个子空间进行低秩矩阵近似;步骤S5:将所有的块组进行聚合,再结合ADMM得到复原后的图像,步骤S5:循环步骤S2‑S5,迭代至满足预设复原要求的结果,即最终的复原图像。本发明能够提升信息丢失或噪声污染严重图像的复原质量。
主权项:1.一种基于先验信息指导的子空间低秩正则图像复原方法,其特征在于,包括以下步骤:步骤S1:获取自然图像,并利用混合高斯模型学习图像块的多个子空间结构;步骤S2:将待复原图像进行重叠分块,利用学习得到的多个子空间结构对这些重叠块进行聚类,得到多个相似块组;步骤S3:针对每一个相似块组,利用该块组的子空间结构指导线性变换建立子空间;步骤S4:在每个子空间进行低秩矩阵近似;步骤S5:将所有的块组进行聚合,再结合ADMM得到复原后的图像,步骤S5:循环步骤S2-S5,迭代至满足预设复原要求的结果,即最终的复原图像;所述步骤S3具体为:对子空间协方差矩阵Σk进行SVD奇异值分解 其中Ψk=diagψk,1,…,ψk,d是一个对角矩阵,是中的第i列;引入一个正交变换矩阵用于寻找一个子空间更好实现低秩矩阵复原,其中Fk为固定子矩阵由Σk最大前b个特征值对应的特征向量构成 为学习子矩阵,由块组自适应学习得到;构建如下自然图像先验信息指导的子空间低秩正则项SΓkx,在固定子矩阵Fk的指导下,通过子空间变换矩阵Qk寻找最优的子空间,通过低秩矩阵近似,实现块组复原 其中,Qk是正交矩阵,其中Fk是由外部自然图像块先验得到,而Lk是从内部块组数据计算得到;所述步骤S4具体为:给定待复原的图像希望复原真实的图像为对相似块组Γkx,实现子空间低秩正则复原,图像复原模型如下: 其中表示退化矩阵。
全文数据:
权利要求:
百度查询: 福州大学 基于先验信息指导的子空间低秩正则图像复原方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。