數(shù)字圖像修復技術是對圖像的破損區(qū)域進行填充的技術,能使修復后的圖像不影響人的視覺感受。現(xiàn)今,該技術應用廣泛,主要用于文物字畫保護、老照片修復和字幕去除等。本論文根據(jù)數(shù)字圖像修復原理,以稀疏表示的圖像修復方法作為主要研究內(nèi)容。首先對現(xiàn)有的相關算法進行分析、比較和仿真,總結這些算法的優(yōu)點和存在的不足;然后從字典構造、結構稀疏的傳播方式以及匹配樣本塊的選擇等角度,探討基于樣本塊稀疏表示的彩色圖像修復方法。論文主要的研究工作與創(chuàng)新點如下:1.針對傳統(tǒng)多樣本塊稀疏表示的圖像修復過程中,容易因匹配樣本塊的錯誤,重構出不正確的填充塊,致使在邊緣部分產(chǎn)生不連貫的現(xiàn)象,提出了一種正則加權的稀疏表示圖像修復算法。該算法首先采用顏色信息與余弦距離結合的方法定義圖像塊匹配準則,在目標鄰域范圍內(nèi)獲得結構變化趨勢更相似的匹配塊組構成字典;然后在稀疏重構過程中,同時考慮已知信息和估計的未知信息,利用相似塊與目標塊的匹配程度,對稀疏系數(shù)增加不同的權重,以此來增強篩選匹配塊的能力,減少紋理模糊現(xiàn)象;最后根據(jù)結構稀疏度自適應地在各結構復雜度不同的區(qū)域確定樣本塊尺寸,減少圖像修復過程中的錯誤傳播現(xiàn)象。仿真實驗結果表明,與其... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

BSCB模型修復示意圖

杭州電子科技大學碩士學位論文9,,(,)(,,)(,,),(,)xytgxykxytxytxytIIΩ(2.2)其中，yxg),(為平滑函數(shù)，tyxk),,(為等照度線的曲率，Ω代表Ω中以像素點為圓心、以為半徑的圓形區(qū)域，其表達式為：1,(,)(,)0,(,)ijgxyijΩΩΩ(2.3)BSCB修復模型通過將源信息各向異性地擴散到破損區(qū)域，容易丟失紋理細節(jié)，使得圖像的修復結果比較平滑，當修復具有豐富細節(jié)的結構時會對出現(xiàn)過平滑的現(xiàn)象，因此該模型對小面積的劃痕類破損具有較好的修復效果。此外，該算法的整體修復時間也相對較長。2.2.2TV模型TV模型的圖像修復算法是屬于基于PDE修復算法的一類，由Chan等人[10]提出。算法通過能量泛函最小化的方式修復破損圖像，對小尺度破損的圖像取得了較好的效果。圖2.2TV模型修復示意圖圖2.2為TV修復模型示意圖，I代表整張破損圖像，Ω為圖像的破損區(qū)域，E為Ω的環(huán)形閉合已知鄰域，若設區(qū)域SEΩ，則Ω上的能量函數(shù)可定義為：R(u)r(u)dxdyS(2.4)其中，u為修復后的圖像灰度值，r)(是一個實函數(shù)。由于圖像容易受到噪聲的干擾，因此式（2.4）還應滿足閉合區(qū)域E的噪聲約束條件：2021Area()uudxdyEE(2.5)其中，Area(E)代表E區(qū)域的面積，0u為含有白噪聲的原始圖像，為邊界像素點的高斯白噪聲的標準偏差。為了保持邊緣結構的連續(xù)性，式（2.4）應當有極值，即函數(shù)r)(應滿足約束條件：rdxdyΩ。一般情況下，函數(shù)xr)(可以表示成如下形式：)(xxra低階項(2.6)

權的計算。為了保證圖像紋理和結構的一致性，Criminisi算法的優(yōu)先權由數(shù)據(jù)項與置信度項組成，其中數(shù)據(jù)項是為了區(qū)別含有明顯邊緣信息的圖像塊，以滿足邊緣優(yōu)先修復的原則；置信度項是為了克服圖像塊傳播過程中的過度復制，提升算法的可靠性。圖2.4為Criminisi算法示意圖，Φ為圖像的已知區(qū)域，Ω為圖像的待修復區(qū)域，Ω為破損區(qū)域的邊界，p為破損邊緣Ω上的任意一個像素點，pψ是以pΩ為中心的待修復圖像塊。則pψ的優(yōu)先級函數(shù)pP)(的計算公式如下：pPppDC)()()((2.16)()()pqpCqCpψΦψ(2.17)圖2.4Criminisi算法示意圖2.3基于紋理合成的圖像修復算法

【參考文獻】：
期刊論文
[1]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)
[2]利用梯度融合與聚類的三維視頻圖像修復[J]. 來伊麗,唐向宏,樓幸欣.  計算機輔助設計與圖形學學報. 2018(03)
[3]結構優(yōu)化的彩色圖像稀疏表示的修復方法[J]. 張少鵬,唐向宏,來伊麗,何雨亭.  杭州電子科技大學學報(自然科學版). 2017(03)
[4]非局域樣本填充和自適應曲率驅(qū)動模型的遙感圖像修復算法[J]. 王相海,孫麗,萬宇,王爽,陶兢喆.  模式識別與人工智能. 2016(08)
[5]SL0分類稀疏表示的圖像修復算法[J]. 屠雅麗,唐向宏,張東,蔡倩,任玉升.  杭州電子科技大學學報(自然科學版). 2016(01)
[6]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)
[7]基于破損區(qū)域分類的自適應擴散模型[J]. 段維夏,聶洪玉,王猛.  計算機應用研究. 2016(09)
[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]結合顏色和梯度信息的稀疏圖像修復算法[J]. 李志丹,和紅杰,尹忠科,陳帆.  計算機研究與發(fā)展. 2014(09)
[10]基于雙十字TV模型的圖像修復算法（英文）[J]. 翟東海,段維夏,魚江.  電子科技大學學報. 2014(03)

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



本文編號：3509387