1 简介

基 于超 完备字典的 图像稀疏表 示因其具有稀疏性、特征保持性 、可分性等特 点而被广 泛应用 于图像 处理 。本文利用 W-KSVD字典 学习算法并应用于 MR图像重建 。将 字典 学习等价于一 个二次规 划 问题 ，学习得到 的字典能有效描述图像特征。基于学习所得的字典，获得图像的稀疏表示，并重建原始图像.

2 部分代码

%==========================================================================%  函数功能: 显示图像块的字典-显示原子用NxM的网格%  输入参数：D - 字典%           sz - 图像块的大小%           n,m - 网格区域的大小%           varargin -其它参数 %                    - lines：用黑线隔开字典原子%                    - whitelines：用白线隔开字典原子%                    - highcontrast：增加显示的对比度%  输出参数：x - 返回字典图像的位矩阵%==========================================================================function x = showdict(D,sz,n,m,varargin)​% -------------------------- 检查输入参数 ----------------------------------if (size(D,2) < n*m)  D = [D zeros(size(D,1),n*m-size(D,2))];end​linewidth = 1;highcontrast = 0;drawlines = 0;linecolor = 0;​for i = 1:length(varargin)  if (~ischar(varargin{i}))    continue;  end  switch(varargin{i})    case 'highcontrast'      highcontrast = 1;    case 'lines'      drawlines = 1;    case 'whitelines'      drawlines = 1;      linecolor = 1;    case 'linewidth'      linewidth = varargin{i+1};  endend​% ------------------------ 生成字典图像 ------------------------------------if (drawlines)    D = [D ; nan(sz(1)*linewidth,size(D,2))];  sz(2) = sz(2)+linewidth;  x = col2im(D(:,1:n*m),sz,[n m].*sz,'distinct');  sz = [sz(2) sz(1)];  D = im2col(x',sz,'distinct');  D = [D ; nan(sz(1)*linewidth,size(D,2))];  sz(2) = sz(2)+linewidth;  x = col2im(D(:,1:n*m),sz,[m n].*sz,'distinct');  x = x';  x = x(1:end-linewidth,1:end-linewidth);    if (highcontrast)    for i = 0:n-1      for j = 0:m-1        x(i*sz(1)+1:i*sz(1)+sz(1)-linewidth, j*sz(2)+1:j*sz(2)+sz(2)-linewidth) = ...          imnormalize(x(i*sz(1)+1:i*sz(1)+sz(1)-linewidth, j*sz(2)+1:j*sz(2)+sz(2)-linewidth));      end    end  else    x = imnormalize(x);  end    x(isnan(x)) = linecolor;  else    x = col2im(D(:,1:n*m),sz,[n m].*sz,'distinct');    if (highcontrast)    for i = 0:n-1      for j = 0:m-1        x(i*sz(1)+1:i*sz(1)+sz(1), j*sz(2)+1:j*sz(2)+sz(2)) = ...          imnormalize(x(i*sz(1)+1:i*sz(1)+sz(1), j*sz(2)+1:j*sz(2)+sz(2)));      end    end  else    x = imnormalize(x);  endend​​if (nargout==0)  imshow(x);end​

3 仿真结果

4 参考文献

[1]穆瑞娟, 徐胜南, 王春兴. 基于低秩约束和字典学习的图像超分辨率重建[J]. 山东师范大学学报：自然科学版, 2016, 31(4):7.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。