發(fā)布時間：2021-04-01 22:00

　　數(shù)字圖像處理是使用計算機對圖像進行除噪、增強、修復、分割等處理的技術,其中數(shù)字圖像修復技術是圖像處理技術研究的熱門領域。圖像修復是指通過對破損圖像中有效信息的處理和計算,實現(xiàn)對缺損信息的有效估計,從而使修復后的圖像整體上更加和諧。本論文在研究數(shù)字圖像樣本修復原理的基礎之上,分析已有基于小波變換域的圖像修復模型及算法的特點,從提高修復效果和修復效率的角度,探討了基于小波變換域的樣本修復模型和改進措施。本論文的主要研究工作和成果體現(xiàn)如下:1.針對現(xiàn)有圖像修復算法對大尺度破損和強結構性紋理修復存在的不足,利用小波域的圖像變換特征,采用分層分類的修復方法,提出一種基于小波域與結構相似度的樣本塊彩色圖像修復新算法。該算法首先通過多層小波分解將待修復圖像分解成分辨率不同的低頻子圖和高頻子圖,對反映邊緣和紋理信息的高頻子圖,通過引入結構相似度約束因子,對樣本法中的最佳匹配準則重新定義,同時利用高頻小波系數(shù)改進優(yōu)先權,實現(xiàn)高頻子圖的修復;對反映結構信息的低頻子圖,采用快速行進算法進行修復;最后利用小波重構,完成對整個破損圖像的修復。仿真實驗結果表明,該算法修復的圖像既有較為自然的視覺效果,又有較高的峰... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

修復破

杭州電子科技大學碩士學位論文82.3基于偏微分方程的圖像修復技術2.3.1BSCB模型圖2.2為BSCB模型[2]示意圖，其中I為待修復圖像，Ω為破損區(qū)域，Ω為破損邊界，NDq為破損邊界Ω處各點的等照度線方向。圖2.2BSCB模型示意圖BSCB模型的迭代過程如下[2]：1(,)(,)(,),(,)nnntijijtijij+I=I+IΩ(2.2)其中，n為迭代次數(shù)，ji),(為像素點的坐標，(,)nIij為待修復圖像n次迭代后的結果，t為迭代步長，(,)ntIij為第n次迭代后對(,)nIij的修正量。隨著迭代的不斷進行，(,)nIij會逐漸逼近()1,nij+I，當差值降低到一定閾值，則跳出循環(huán)并輸出修復圖像。BSCB模型采用各向異性的擴散方式，即：(,,)(,)(,,)(,,),(,)xytgxykxytxytxyt=IIΩ(2.3)其中，yxg),(為平滑函數(shù)，tyxk),,(為等照度線的曲率，Ω代表Ω中以為半徑的圓狀區(qū)域，即：1,(,)(,)0,(,)ijgxyij=ΩΩΩ(2.4)BSCB修復模型的擴散方法容易導致紋理細節(jié)的丟失，在修復紋理豐富的強結構性區(qū)域時往往會產(chǎn)生過平滑的問題。然而，該模型對修復小尺度破損如劃痕等效果理想。此外，該算法復雜度較高，修復時間相對較長。

杭州電子科技大學碩士學位論文92.3.2TV模型圖2.3TV模型示意圖圖2.3為TV模型[3]示意圖，I為待修復圖像，Ω為破損區(qū)域，E為Ω的已知鄰域且呈環(huán)形閉合，設區(qū)域S=EΩ，則Ω上的能量函數(shù)定義為[3]：R(u)=r(u)dxdyS(2.5)其中，u為修復后圖像的灰度值�？紤]到噪聲干擾，式(2.5)還應滿足環(huán)形區(qū)域E的噪聲約束條件：2021Area()uudxdy=EE(2.6)其中，Area(E)代表區(qū)域E的面積，0u為包含噪聲的圖像，為邊界處噪聲的標準偏差。為保持邊緣結構的連貫性，實函數(shù)r)(應滿足約束：r()dxdy+Ω。一般情況下，函數(shù)xr)(可表示為：)(xxr+=a低階項(2.7)當x→時，a應滿足a1，并使得xr)(的值有限。當a=1時，)(xxr=，即為所謂的TV修復模型：R(u)=udxdyS(2.8)引進拉格朗日乘子來求解式(2.5)的極值，得到新的能量函數(shù)：20()2Juudxdyuudxdy=+SS(2.9)其中，前者為光滑項，使修復邊界光滑，減少修復痕跡；后者為數(shù)據(jù)保真項，是為了降低噪聲因素造成的干擾。根據(jù)拉格朗日方程求解式(2.9)極值，可以得到：0()0uuuu+=(2.10)

【參考文獻】：
期刊論文
[1]基于信息熵和結構特性的敦煌壁畫修復算法[J]. 陳永,艾亞鵬,陳錦.  激光與光電子學進展. 2020(12)
[2]基于邊緣特征和像素結構相似度的圖像修復算法[J]. 陶兆勝,張敬寒,王磊,占偉豪,王麗華.  計算機輔助設計與圖形學學報. 2019(10)
[3]結構張量的改進Criminisi修復[J]. 何雨亭,唐向宏,張越,楊瑞.  中國圖象圖形學報. 2018(10)
[4]基于SSIM的自適應樣本塊圖像修復算法[J]. 何凱,�？』�,沈成南,盧雯霞.  天津大學學報(自然科學與工程技術版). 2018(07)
[5]基于改進Eikonal方程的小波圖像修復算法[J]. 李尊,補朝陽.  新鄉(xiāng)學院學報. 2017(12)
[6]基于雙樹復小波的圖像修復[J]. 竇立云,徐丹,李杰,陳浩,劉義成.  計算機科學. 2017(S1)
[7]基于稀疏分解的圖像修復方法[J]. 祝軒,張旭峰,李秋菊,王寧,陶吉瑤.  計算機科學. 2016(01)
[8]小波變換與紋理合成相結合的圖像修復[J]. 張東,唐向宏,張少鵬,黃俊澤.  中國圖象圖形學報. 2015(07)
[9]一種改進的小波域圖像修復算法[J]. 胡文瑾,劉仲民,李戰(zhàn)明.  計算機科學. 2014(05)
[10]基于聚類分割和紋理合成的圖像修復改進算法[J]. 肖娟,王嵩,張雯雰.  計算機工程與應用. 2014(08)

博士論文
[1]基于樣本和稀疏表示的圖像修復方法研究[D]. 張雷.西北大學 2016

碩士論文
[1]基于結構信息與塊統(tǒng)計特性的圖像修復算法研究[D]. 占麗琴.南昌航空大學 2016
[2]基于小波變換的圖像修復算法研究[D]. 王艷琴.天津職業(yè)技術師范大學 2016
[3]小波變換域的數(shù)字圖像修復研究[D]. 張東.杭州電子科技大學 2016
[4]基于紋理合成的圖像修復算法研究[D]. 方寶龍.山東大學 2013



本文編號：3114023