基于学习字典的图像类推方法*

提出一种基于学习字典的图像类推方法,较好地增强了图像类推的算法效率。先将样本图像对分块, 统一进行稀疏编码,训练学习字典,以建立它们之间的稀疏关联,再将这种关联作为先验知识来指导图像类推。 该方法主要有训练学习字典和类推重建两个过程。字典训练过程可离线实现,提高了计算速度,并且可实现大 量样本的训练;在类推重建过程中,该方法将通用图像类推方法中的搜索、匹配过程转换为稀疏先验的线性优化 问题,显著提高了算法的计算效率。通过纹理数值化、风格化滤波等图像类推实验,证明了方法是快速有效的。