改进的非负稀疏编码图像基学习算法

图像基学习是图像特征提取与表示的重要方法之一。非负稀疏编码不仅具有标准稀疏编码算法的自适应性、空间的局部性、方向性和频域的带通性,而且更能反应哺乳动物的视觉机制。本文在非负稀疏编码的基础上,利用经验模态分解技术加入了图像的结构信息,提出了结合经验模态分解的非负稀疏编码算法,保证了系数矩阵的稀疏性与所提取图像特征的结构性。学习得到的图像基不仅具有非负稀疏编码的特征,而且更好地表示出图像的结构信息。     

基于梯度信息的快速自适应图像修补方法

提出了一种基于梯度信息的快速自适应图像修补方法。首先采用快速推移方法决定当前要修补的破损点,然后采用自适应机制,根据其周围已知点个数的多少,选择参考窗口的大小,最后在此窗口中,引入已知点梯度信息,根据本文构造的破损点灰度值计算公式,计算出破损点的灰度值。实验结果表明,本文方法能明显减少修补时间,同时取得很好的修补效果。