基于非局部自相似性和低秩矩阵逼近的补全算法

摘要

针对传统矩阵补全算法在图像重建方面的不足,提出了一种基于非局部自相似性和低秩矩阵逼近(NL-LRMA)的补全算法.首先,通过相似性度量找到图像中局部块所对应的非局部相似块,并将相应灰度信息进行向量化,从而构建出非局部相似块矩阵;然后,针对所得相似矩阵的低秩性,对其进行低秩补全操作(LRMA);最后,对补全结果进行重新组合,以达到恢复原始图像的目的.在灰度图像以及RGB图像上进行重建实验,结果表明:在经典数据集上,NL-LRMA算法要比原LRMA算法在平均峰值信噪比(PSNR)上高出4～7 dB;同时,新算法在视觉效果与PSNR值方面也明显优于迭代重加权核范数(IRNN)、加权核范数(WNNM)、LRMA等传统算法.总之,所提算法对传统算法在自然图像重建方面的不足进行了有效弥补,从而为图像重建提供了一种行之有效的解决方案.