论文部分内容阅读
数字图像修复是指计算机软件或程序根据图像中不完全的已知信息来重建信息缺失部分,使最终得到的图像有良好的视觉合理性。该技术在文物修复、超分辨率重建、图像压缩编码、影视后期制作等方面都有较为广泛的应用。随着近年电子技术的发展、便携拍照设备的普及,人们对于图像修复和图像编辑功能的精确性与实时性的需求也在日益增长。本文重点对基于样本块的图像修复算法展开研究,以提高图像的修复质量、降低修复时间为目的,针对图像大面积缺损时,修复图像中纹理结构错乱及修复耗时较长等问题,从修复优先权策略和匹配块搜索范围进行改进,使图像修复效果有所提高。本文主要工作和创新如下:(1)提出基于优先权改进和块划分的图像修复算法。针对Criminisi算法中置信项随着修复的进行有迅速下降趋于零而导致修复顺序错乱的现象,利用待修复块在已知像素数量相同而被包围程度不同情况下修复优先顺序的差异,重新定义新的置信项计算方法,使之不再过多受到已修复完成区域的影响。另外,针对算法中全局搜索耗时且易出现错误匹配的问题,采用块划分方法对该问题加以解决,首先利用纹理信息将图像自适应划分成大小不一的矩形块,其次结合颜色信息,为包含有待修复区域的图像块寻找相似图像块,并将所得结果作为搜索范围。该算法在减少误匹配及它所产生的错误填充累积现象有较好表现,整体修复时间有所降低,同时修复后的图像能够保持较好的视觉效果。(2)提出基于显著图和灰度熵的图像修复算法。针对基于分离优先权策略的修复算法中,第一阶段利用结构信息来确定修复顺序时,易受图像纹理信息干扰,较难精确找到优先权高的待修复块问题,本文将人类视觉注意信息即视觉显著图加入该阶段优先权的计算中,使拥有较强结构信息和视觉认为重要的部分优先进行修复,以此保证图像中边缘结构的连贯性。其次依据待修复块所具有的显著性应与所匹配的图像块显著性相当这一特点,将显著性信息加入样本匹配过程中,使之与颜色信息一同作为匹配准则,提高样本匹配精度。最后针对算法中采用待修复块周围固定邻域作为搜索范围可能造成的样本来源不足问题,利用图像的灰度熵信息来动态调整搜索区域的大小,不仅有效解决了样本数量控制问题,还提高了搜索速度。该算法在保持结构完整性及修复效果方面都较原算法有所提高。