图像拼接技术

信号的稀疏表示受到相当大的近几年的利息。假设那自然信号，如图像、 承认稀疏分解在冗余字典会导致处理这类消息来源的有效算法数据。尤其是，设计的很好适应词典图像一直是一项重大挑战。最近有 K 和奇异值分解提出了这项任务并显示要很好地执行各种灰度图像处理的任务。在本文中，我们处理图像和扩展学习词典颜色问题基于 K 奇异值分解的灰度图像出现的去噪算法在中。这工作提出处理非齐次噪声和缺少的信息，为国家艺术铺平道路在应用程序 （如彩色图像去噪，马赛克，结果和修复，如本文所示。

2.jpg
Add noise
addnoise.m
Colorimages
baboon.jpg
noisyimages
1_S10_PSNR28.1406.bmp
snr.m
Add text
add_impaintingnoise.m
add_text.m
Originalimage
baboon.jpg
snr.m
color_denoise.m
color_impainting.m
construct_image.m
dictionaries
_3_25.mat
2_3_25.mat
2_8_25.mat
lena_S25_PSNR20.371_3_25
lena_S5_PSNR34.1571_3_25
lena_S5_PSNR34.1571_3_5
lena_S5_PSNR34.1571_5_25
lena_S5_PSNR34.1571_7_5
lena_S5_PSNR34.1571_8_25
mosaic_3_25.mat
mosaic_8_25.mat
peppernoise_PSNR6.4644_3_25
peppertext_3_25.mat
displayDictionaryElementsAsImage.m
displayfinished.m
grayscale_denoise.m
image_demosaice.fig
image_demosaice.m
image_demosaicing.m
image_denoise.fig
image_denoise.m
image_impaint1.fig
image_impaint1.m
image_impainting.m
Main.fig
Main.m
main_color.m
main_demosaicing.m
main_gray.m
main_impainting.m
mosaic.jpg
my_im2col.m
noisyimages
lenanoise.bmp
OMP1.m
q.m
Read me.txt
snr.m
test_gui.fig
test_gui.m
update_dict.m