改进多重字典联合自适应学习的稀疏壁画修复

针对壁画稀疏表示修复算法字典单一、细节修复欠佳的问题,提出了一种改进多重字典联合自适应学习的稀疏壁画修复算法.首先,采用非下采样剪切波NSST将破损壁画进行分解,获取壁画的低频纹理子带图像和高频结构子带图像,解决了稀疏表示算法对壁画图像结构和纹理信息考虑不足的问题.然后,提出了多重字典自适应学习的稀疏方法,将低频纹理图像根据像素之间特征的相似性进行聚类,构建多重稀疏子类字典,并利用奇异值分解和分裂Bregman迭代优化完成低频分量修复.接着,引入脉冲耦合神经网络机制,修复壁画图像的高频结构子带.最后,通过NSST逆变换融合完成修复.采用真实壁画进行修复的实验表明,该算法能够有效保护壁画图像结构和纹理层等重要信息,所提算法相较对比算法取得了更好的视觉效果和客观评价.