论文部分内容阅读
图像修复技术是图像处理的一个重要分支,广泛应用于图像和视频修复,古老文物的复原,障碍物移除,影视特技制作和图像压缩传输等众多领域。图像修复的目的是在没有人为修复痕迹的基础上实现图像受损区域的填充。到目前为止,最重要的图像修复技术主要有两类:基于偏微分方程的图像修复技术和基于纹理合成的图像修复技术。前者主要基于PDE修复模型,利用受损边界建立的偏微分方程,使图像已知信息沿等照度线的法线方向由破损区域边界向受损区域内部扩散,完成修复。后者是利用纹理的连贯性、一致性、重复性,进行有效的纹理合成,进而填充受损区域,适用于纹理丰富、受损区域大的图像。Criminisi算法是一种比较经典的基于样本的图像修复算法,该算法首先确定修复区域边缘,找到破损区域的边界上具有最大修复优先权的像素块,然后在缺损区域外的样本区进行搜索,寻找与当前待修复块最相似的像素块,来取代当前待修复块,最后更新破损边缘,重复上述操作,直到缺损区域修复完成。Criminisi算法具有修复速度快,修复效果好,对于图像结构信息能精确扩散等优点,尤其对大面积的缺损图像,其优点更为突出,因此在图像修复、视频修复和影视特技制作等众多领域中得到了广泛应用。然而Criminisi算法在算法设计上依然存在着优先权计算公式不合理,搜索费时,匹配准则的不精确等诸多缺点。本文在着重研究Criminisi算法的基础上,对其存在的不足提出了两点改进:(1)改进优先权计算公式,引进动态调整因子,使得置信度和数据项在优先权计算公式中的相对权重系数随着修复迭代次数的增加进行动态调整,同时根据图像的特点改变权重系数的调整幅度,得到更加合理的修复顺序。(2)修改匹配准则,在匹配块欧式距离(SSD)相同的基础上,选择离目标块物理距离最小的源匹配块作为最佳匹配块,使得搜索到的最佳匹配块不仅在颜色上最相似,领域相似性也得到了保证,确保最佳匹配块的选择更加准确。本文在进行充分理论分析的基础上,对提出的改进算法进行了大量仿真实验,验证了本文改进算法的可行性和有效性。