【摘要】：為了解決含有豐富紋理信息和復(fù)雜結(jié)構(gòu)信息的大破損區(qū)域中的缺失信息修復(fù)的問(wèn)題,提出了一種劃分特征子區(qū)域的圖像修復(fù)算法。首先,根據(jù)圖像中包含的不同特征,運(yùn)用特征公式進(jìn)行特征提取,再通過(guò)統(tǒng)計(jì)特征值劃分特征子區(qū)域,提高了圖像修復(fù)的速度;其次,在原Criminisi算法的基礎(chǔ)上改進(jìn)了優(yōu)先級(jí)的計(jì)算,通過(guò)增大結(jié)構(gòu)項(xiàng)的影響,避免結(jié)構(gòu)斷裂的產(chǎn)生;然后,通過(guò)目標(biāo)塊和其最佳鄰域相似塊共同約束樣本塊的選取,確定最佳樣本塊集;最后,利用權(quán)值分配法合成最佳樣本塊。實(shí)驗(yàn)結(jié)果表明,所提算法相比原Criminisi算法,其峰值信噪比(PSNR)提升了2~3 d B,相比基于稀疏表示的塊優(yōu)先權(quán)值計(jì)算的算法,其修復(fù)效率有明顯的提高。所提算法不但適用于一般小尺度的破損圖像的修復(fù),而且對(duì)于含有豐富紋理信息和復(fù)雜結(jié)構(gòu)信息的大破損圖像的修復(fù)效果也更佳,并且修復(fù)后的圖像更加符合人們視覺(jué)上的連通性。
[Abstract]:In order to solve the problem of repairing the missing information in large damaged regions with rich texture information and complex structure information, an image restoration algorithm is proposed to divide the feature sub-regions. First of all, according to the different features contained in the image, the feature formula is used to extract the feature, and then the statistical eigenvalue is used to divide the feature sub-region to improve the speed of image restoration. On the basis of the original Criminisi algorithm, the priority calculation is improved, and the structure fracture is avoided by increasing the influence of the structure item, and then the optimal sample block set is determined by the selection of the sample block constrained by the target block and its optimal neighborhood similar block. Finally, the weight distribution method is used to synthesize the best sample block. The experimental results show that compared with the original Criminisi algorithm, the proposed algorithm improves the PSNR (PSNR) by 2dB, and improves the repair efficiency of the proposed algorithm compared with the algorithm based on sparse representation of block priority value. The proposed algorithm is not only suitable for repairing small scale damaged images, but also better for large damaged images with rich texture information and complex structure information. And the restored images are more in line with the visual connectivity of people.
【作者單位】： 西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院;西藏大學(xué)工學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61461048)~~
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于文靜;楊富琴;馮偉國(guó);;圖像修復(fù)實(shí)驗(yàn)的設(shè)計(jì)[J];實(shí)驗(yàn)室研究與探索;2012年06期

2 徐冬青;;計(jì)算機(jī)圖像修復(fù)技術(shù)[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年10期

3 張勇;;數(shù)字圖像修復(fù)關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2014年02期

4 程村;;基于蒙特卡羅方法的圖像修復(fù)快速算法[J];工程地球物理學(xué)報(bào);2006年01期

5 姜瑞;馬利莊;聶棟棟;;一種有效的大面積圖像修復(fù)方法[J];計(jì)算機(jī)應(yīng)用研究;2006年12期

6 姚曄;韋冰;;圖像修復(fù)技術(shù)研究進(jìn)展[J];企業(yè)技術(shù)開(kāi)發(fā);2007年04期

7 段漢根;汪繼文;;基于微分近似的圖像修復(fù)[J];信息技術(shù);2007年05期

8 陳芳;葉正麟;王繼紅;;基于統(tǒng)計(jì)特征的圖像修復(fù)[J];計(jì)算機(jī)工程與應(yīng)用;2007年22期

9 汪志敏;;試論數(shù)字圖像修復(fù)技術(shù)[J];張家口職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年04期

10 葛仕明;程義民;潘浩;錢(qián)振興;;基于離散優(yōu)化的圖像修復(fù)[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2008年12期

相關(guān)會(huì)議論文 前10條

1 張巧煥;唐向宏;任澍;;一種基于區(qū)域搜索的快速圖像修復(fù)算法[A];浙江省電子學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

2 史金鋼;齊春;;基于非局域樣本塊的圖像修復(fù)算法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

3 霍星;檀結(jié)慶;艾小豐;;基于隨機(jī)迭代查找的圖像修復(fù)算法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

4 李晉江;李孟軍;范輝;;低秩近似圖像修復(fù)算法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

5 陳延嘉;莊志軍;王美清;;一種改進(jìn)的基于樣本的圖像修補(bǔ)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

6 高軍亮;徐曉剛;王建國(guó);吳晶;;一種基于圖像修復(fù)的目標(biāo)重建算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 朱曉臨;陳曉冬;朱園珠;陳Z，

本文編號(hào)：2148425