资源描述：
《一种基于level set 方法的图像修补技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、一种基于LevelSet方法的图像修补技术图像修补是图像恢复研究中的一个重要内容,它的目的是根据图像的现有信息来自动恢复丢失的信息.虽然图像修补的基本思想十分简单,但是许多的图像修补算法都十分复杂,而且难于实现.快速行进算法(FMM)与水平集法(LevelSet)相结合进行曲线进化是一种高效的曲线进化算法,该算法的时间复杂度是O(NlbN).Kim提出了另一种水平集的曲线进化算法--分组行进算法(GMM),该算法的时间复杂度是O(N).受其启发,为了更快地进行图像修补,提出了一种基于GMM算法的图像修补的新算法,并研究了对GM
2、M算法的细节改进.为了验证算法的快速性,还给出了使用Bertalmio提出的算法、Telea提出的算法以及新算法对同一幅图片进行修补的实验结果.通过比较发现,该新算法在大幅度提高修补速度的同时,仍能保持较好的修补效果.LevelSet方法简介：LevelSet方法是由Sethian和Osher于1988年提出，最近十几年得到广泛的推广与应用。简单的说来，LevelSet方法把低维的一些计算上升到更高一维，把N维的描述看成是N＋1维的一个水平。举个例子来说，一个二维平面的圆，如x^2+y^2=1可以看成是二元函数f(x,y)=x
3、^2+y^2的1水平，因此，计算这个圆的变化时就可以先求f(x,y)的变化，再求其1水平集。这样做的好处是，第一，低维时的拓扑变化在高维中不再是一个难题；第二，低维需要不时的重新参数化，高维中不需要；第三，高维的计算更精确，更鲁棒；第四，LevelSet方法可以非常容易的向更高维推广；最后，也是非常重要的一点就是，上升到高维空间中后，许多已经成熟的算法可以拿过了直接用，并且在这方面有非常成熟的分析工具，譬如偏微分方程的理论及其数值化等。当然，这种方法最为诟病的就是他增加了计算量，但新的快速算法不断出现，使得这也不是个大问题。
4、LevelSet的适用范围：这儿只是列举一些经典的领域，但并不完全，如果你能在自己的领域找到新的应用，祝贺你。LevelSet最初始的应用领域就是隐含曲线（曲面）的运动，现在LevelSet已经广泛应用于图像恢复、图像增强、图像分割、物体跟踪、形状检测与识别、曲面重建、最小曲面、最优化以及流体力学中的一些东西。 图像修补技术是一项古老的艺术,欧洲文艺复兴时期,为了恢复美术作品中丢失或被损坏的部分,同时保持作品的整体效果,开始进行对中世纪的美术品的修复,这些工作被称为Retouching(润饰)或者Inpainting(修补)。
5、同样,该方法也可应用到数字图像的修补中,这就是数字图像修补技术(DigitalInpainting)。从数学的角度来看,图像修补就是根据空白区域周围的信息将图像添入空白区域中,因此,图像修补属于图像恢复的研究。在进行图像修补时,通常先用掩码(Mask)确定需要修补的区域,然后根据修补区域周围的信息用图像修补算法自动恢复区域中的信息。数字图像修补技术的应用非常广泛,如修复破旧照片、恢复破损的影片、去除图片中添加的文字(如出版信息、拍摄日期),删除图像中的某个物体以及光影效果去除和纹理填充等。因此,该技术已经引起了众多学者的关注,
6、从20世纪90年代末提出DigitalInpainting的概念到现在已经出现了很多成功的算法。Bertalmio等人提出了一种基于偏微分方程的BSCB算法[1],利用待修补区域的边缘信息,将待修补区域外的信息沿梯度的垂直方向扩散到修补区域内,取得了很好的效果。受到Bertalmio等人工作的启发,Chan等人提出了将整体变分(TV)模型[2]用于图像修补,整体变分算法是一种较好的异向扩散算法,该算法可以在保持边缘的同时达到去噪的目的。Crimimisi等人提出了一种基于纹理生成的修复方法[3],在待修补区域的边界通过块匹配的
7、方法选择合适的纹理填充,对纹理修复有较好的效果,但对结构信息修复效果较差。针对TV模型的缺点,Chan和Shen提出的基于曲率扩散的CDD修补模型[4],能对较大破损区域进行修补,但是造成了一定程度的模糊。以上的这些方法在修补某一类图像时都能取得较好的效果,但都存在明显的局限性,即不能对每一种情况都修补得很好,而且,它们大都利用迭代公式,修复一个点往往要迭代几千次才能得到差不多的效果,所以运行时间较长,修补一幅图要用3～4分钟才能完成,这就限制了它们推广和应用。针对这种情况,本文提出了一种基于LevelSet方法的新算法,能在
8、保持修复效果的基础上大大缩短修补时间。1LevelSet方法及FastMarching方法(FMM)水平集(LevelSet)方法主要是从界面传播等研究领域中逐步发展起来的,它是处理封闭运动界面随时间演化过程中几何拓扑变化的有效的计算工具,由Osher和Sethian[5]首
