基于GEM模型和离散小波变换的图像修复方法(中文版).docVIP

基于GEM模型和离散小波变换的图像修复方法安东尼库马尔 一种新的离散多尺度方向的稀疏表示分布不连续更有效的表示最为有效表示图像的边缘 连续小波变换是一种的非各向同性的连续小波变换，具有优越的方向敏感性在维数n=2，定义映射为， 分析上式中每个元素,称为有双梯形支持频率的小波。在不同的尺度，要考虑起始点的对称和调整沿线的斜率s。当由a→0时，表示这种支持会变得越来越弱。其结果是在不同尺度中，小波形成一些明确的波形。a,s,t分别表示波形、方向和位置，典型的小波频率如图1所示。 图1.对于不同值的小波支持频率 B．离散小波变换 通过对连续小波变换的采样，适当的缩放、剪切和转换参数a,s,t，可以得到了一个与Parseval结构相关联的离散变换（）。下面介绍小波变换的构建和步骤，如图2所示。 （1）应用拉普拉斯金字塔计划，把分解成一个低通图像和一个高通图像。 （2）在伪极地网格中计算P （3）用一个带通滤波器对矩阵P进行处理 （4）重新组装笛卡尔采样值，并用逆二维傅里叶变换计算 图2.阐明了连续的拉普拉斯金字塔和定向滤波 广义期望最大化算法 让我们现在转向丢失数据的情况下。写出，其中是丢失的数据，。不完整的观察值不包含所有的信息，所以解决这一问题的方程时标准的方法不适用。尽管如此，EM算法可以进行迭代，重构丢失的数据，然后求解新的估计方程。估计值是反复被迭代精