圖像著色是借助計算機(jī)技術(shù)將灰度圖像轉(zhuǎn)化成彩色圖像,以挖掘圖像中更多有用的信息。目前,該技術(shù)被廣泛地應(yīng)用于醫(yī)療、太空探索、影視及古文藝品的顏色修補(bǔ)等方面。在圖像著色方法的研究過程中,基于PDE和稀疏表示的著色方法一直是研究熱點(diǎn)之一。本文關(guān)注的是基于非局部耦合全變差和稀疏字典學(xué)習(xí)的圖像著色方法。主要研究內(nèi)容及創(chuàng)新點(diǎn)如下:(1)針對傳統(tǒng)TV模型對圖像進(jìn)行著色時的不足,本文將非局部算子引入到TV模型上來,提出基于非局部算子的耦合全變差模型。然后,結(jié)合交替方向乘子法(ADMM),設(shè)計該模型的快速求解算法,并說明該算法的收斂性。最后,數(shù)值實(shí)驗(yàn)結(jié)果表明,該模型能夠有效避免圖像顏色擴(kuò)散不均勻,實(shí)現(xiàn)對紋理較豐富圖像的快速著色。(2)將圖像稀疏表示理論引入到圖像著色中,本文建立基于L₀范數(shù)稀疏表示的圖像著色模型。然后,結(jié)合KSVD(K-Singular Value Decomposition)算法,給出該模型的數(shù)值求解方法。數(shù)值實(shí)驗(yàn)結(jié)果表明,該模型能有效實(shí)現(xiàn)對目標(biāo)灰度圖像的著色,并且能保持著色后圖像顏色的一致性。(3)由于基于L₀范數(shù)稀疏表示問題的求解是一個NP...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 圖像處理與圖像著色
    1.2 非局部全變差模型
    1.3 稀疏表示理論
    1.4 本文主要工作
第二章 圖像著色的變分模型及快速算法
    2.1 Sapiro的顏色修補(bǔ)模型
    2.2 TV模型
        2.2.1 Kang模型
        2.2.2 Jin模型
    2.3 TV模型快速求解算法
        2.3.1 對偶算法
        2.3.2 Split Bregman算法
        2.3.3 ADMM算法
    2.4 本章小結(jié)
第三章 稀疏表示基本理論
    3.1 稀疏表示模型
    3.2 稀疏表示求解算法
        3.2.1 貪婪算法
        3.2.2 凸優(yōu)化算法
    3.3 字典訓(xùn)練
    3.4 本章小結(jié)
第四章 基于耦合非局部全變差的圖像著色算法
    4.1 模型介紹
        4.1.1 預(yù)備知識
        4.1.2 Kang模型和Jin模型
        4.1.3 本章提出的模型
    4.2 本章算法及收斂性分析
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于稀疏表示和字典學(xué)習(xí)的圖像著色算法
    5.1 基于L₀稀疏表示的圖像著色算法
        5.1.1 基于L₀稀疏表示圖像著色模型
        5.1.2 基于L₀稀疏表示圖像著色算法
    5.2 基于L₁稀疏表示的圖像著色算法
        5.2.1 基于固定字典的圖像著色算法
        5.2.2 基于KSVD字典學(xué)習(xí)的圖像著色算法
        5.2.3 實(shí)驗(yàn)結(jié)果與分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄1 程序清單
附錄2 攻讀碩士學(xué)位期間撰寫的論文
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3751194