基于自适应相似组稀疏表示的图像修复算法

摘要 针对图像修复结果中存在的结构连续性和纹理清晰性较差的问题，提出了一种基于自适应相似组的图像修复算法。区别于传统的以单一图像块或固定数目图像块作为修复单元的方法，该算法根据自然图像中纹理区和结构区的不同特点，自适应地选取不同数目的相似图像块，构造自适应相似组；然后以相似组作为基本单元，学习自适应字典，并构造基于稀疏表示的图像修复模型；最后，采用Split Bregman Iteration算法高效地求解目标代价函数。实验结果表明，与基于图像块的图像修复算法和图像块组稀疏表示（GSR）算法相比，该算法在峰值信噪比（PSNR）上平均提高了0.94~4.34 dB，在结构相似性指数（SSIM）上平均提高了0.0069~0.0345，同时，修复速度分别是对比算法的2.51倍和3.32倍