基于快速方法的图像修复技术doc

《基于快速方法的图像修复技术doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一:图像修复的概念图像修复是指对受到损害的图像进行修复重建或者去除图像中的多余物体。图像损坏有很多种形式:(1)一副完整的图像可能由于磨损而散布着各类微小的损害;(2)也可能由于保存不当使图像表层受到损害.在这些情况下,图像修复者就需要通过专业判断,采取最恰当的方法恢复图像的原始状态,同时保证图像达到最想的艺术效果。图像修复技术（Inpainting）是当前计算机图形学和计算机视觉中的一个研究热点，在文物保护(例如,由于年代久远,历史档案材料,文物图片等往往会受到自然的或人为的损伤。对这些材料进行

2、修复,以恢复其原来面貌并加以保存是一项重要的工作。在各种史料档案中图片和照片占相当大的比重,有些历史图片或照片被折叠或人为涂抹留下痕迹,也需进行修复。二:图像修复处理方法1)用偏微分方程(PDE)方法处理是其中一个发展较快的新领域。最先将PDE方法引入图像修复问题的是Bertalmion等,他们利用三阶PDE模型进行图像修复。利用PDE处理图像修复问题的方法可以分为两大类:一类主要依赖图像微观修复机制的仿真系统,例如扩散过程、传输过程;另一类是变分模型,如全变差模型,基于Mum2ford和Shah

3、图像分割基础上的等灰度模型等.为了恢复被损害的部分,需要分析原始图像及其所属类别。这些分析对于图像修复整个过程是非常重要的步骤之一。2)Chan等提出了整体变分方法(TV，TotalVariational)和基于曲率的扩散模(CDD，Curvature-DrivenDiffusion)。整体变分方法采用了欧拉－拉格朗日方程和各向异性的扩散，CDD方法是整体变分方法的一种扩展，在扩散过程中考虑了轮廓的几何信息（曲率,即曲线的弯曲程度），可以处理较大的区域，但边界处往往很模糊。3)Oliveira利用

4、了高斯卷积核对图像进行滤波，能快速地修复破损区域，但该算法仅考虑了破损区域边缘一周的图像颜色值，使得其仅适用于破损区域为2-3个象素宽度的情形。4)Criminisi采用了纹理合成(texturesynthesis)的方法，能较好地去除图像中的大块污斑，但修复效果往往不够理想。6三:具体介绍三种算法1)基于径向基函数(RBF)的图像修复技术算法自动地计算破损区域的轮廓并沿轮廓法向扩张，确定合适的径向基函数重构区域，将该区域内图像的颜色值看作规则采样点上的高度场，把二维图像修复问题转化为三维散乱点重

5、建问题，利用径向基函数曲面重建的优势来修补破损的图像.把二维图像看成矩形域上均匀采样的高度场，将图像上每个点的颜色值看成高度场中该点的高度值，这样一张图像就张成以颜色为高度的三维空间曲面，而图像中的破损或者划痕区域就成为曲面上的空洞，因此，图像空间中的破损区域修复就转换成三维曲面的局部重建问题。径向基函数提供了一种鲁棒的散乱点重建算法，基于多项式调和样条的能量最小化的特性，该方法能光滑的重构出丢失的信息。与传统的采用偏微分方程的方法相比，该算法非常鲁棒，并且能修复较大的破损区域。通过RBF进行图像

6、修补的主要思想就是通过破损区域邻近的点构建一张连续的隐函数曲面，再重新采样获得破损区域的信息。提出了一种基于曲率和颜色区域约束的边界外扩算法，用户给出需要修复的区域后，算法自动采用轮廓跟踪，找到各个待修复区域的轮廓信息，轮廓中的点沿区域方向逐步外扩。图像中任意一点P(i，j)，其颜色值为(RGB)，对于R通道，将该点在图像中的位置作为该点在三维空间中的x，y值，将该点颜色中R通道的值作为该点的高度z，这样，对于每个通道，都在空间张成一个高度场，算法以VC++6.0为平台，在PIII600GHz，2

7、56MB内存的微机上实现。对于输入的破损图像，由系统自动结合用户交互检测出需要修补的区域，直接输出RBF方法恢复后的图像。本算法的处理时间由图像破损区域的大小决定，因此为了加快处理速度，对于破损区域特别大的情形，算法采取了分块处理的方法。62)基于快速方法的图像修复技术算法简介该修复算法按与要修复像素相邻的已知图像的加权平均值来估计图像的平滑。我们把丢失区域视为水平集，使用快速运行方法（FMM）传播图像信息。这种方法有下面几个优点：（1）简单易于实现；（2）与其他修复方法相比速度较快，在一个800

8、MHZ微机上，处理一个800X600的图像（图1）只需要少于3分钟；（3）与其他修复方法相比能产生相似的结果；（4）它易于制定使用不同的局部修复策略。图1一个800X600图像修复，少于3分钟图2是修复原理图，假设修复区域为，修复点P位于修复区域边界上。从P点周围的已知图像取一个大小为ε的小邻域（如图2（a））。修复点P可以由接近P的已知图像点的值确定，例如在内。我们首先考虑图像的灰度值，当ε足够小，我们考虑图像P点的一个有序逼近值，假设q点的图像和梯度值（如图2（b））：（1）6