搜索
..摘要随着计算机的普及和数字图像技术的广泛应用，数字图像处理技术已成为计算机视觉领域的一个研究热点。图像修复是图像处理的重要组成部分，是对图像中的受损区域进行信息填充的过程，其目的是恢复受损的图像，并使观察者无法察觉图像曾经缺损或已被修复。目前，图像修复算法根据待修复区域的大小，可以分为两类，即基于偏微分方程(PDE)的图像修复和基于纹理的图像修复。Bertalmio等人把偏微分方程引入了图像修复领域，其基本思想是根据物理学中信息扩散原理来完成受损区域的修复，当受损区域较小时，修复效果很好，没有任何修复痕迹，但当受损区域较大时，会出现模糊效应。因为这个缺点，基于纹理的图像修复逐渐成为该领域的主流算法，吸引了众多学者进行研究，该类算法不论对受损区域较大还是较小时都能取得很好的效果。本文重点研究了Criminisi算法，在Criminisi算法的基础上，对模板大小、优先权计算方式、最佳匹配块的寻找等进行了改进。论文考虑模板边缘像素点的梯度信息，提出了自适应模板大小策略，以判断能否扩展，从而适应不同的纹理图像；同时对优先权的计算方式进行了改进，考虑了周边信息，引入相关项，同时为置信度、数据项和相关项分配相应权重，避免了单一乘法带来的缺陷；引入颜色直方图以改进最佳匹配块的寻找，颜色直方图定义了图像或图像中区域的颜色分布，并且颜色直方图具有旋转不变性和缩放不变性等。通过两个模块间颜色直方图的相交距离，从整体上考虑两个模块的相似性，从而减少错误匹配的概率。最后通过对不同类型，包括纹理较丰富，结构较复杂，曲线较多的图片进行仿真实验，并与Criminisi算法和Sun等算法进行对比，说明了改进算法的有效性。关键词：Criminisi，纹理合成，优先权，颜色直方图ABSTRACTABSTRACT4.AnoveltruncationspuriousfreeDDFSstructureandalgorithmisproposed.ByintroducingacomparatorandanadderintothetraditionalDDFSarchitecture,thesinelookuptablecanbecompressedwithoutsignificanthardwarechangeinthedesigntoeliminatethetruncationspurswithoutincreasingthesizeofthelookuptable.Keywords:frequencysynthesis,phasenoise,spurious,frequencyhopping目录III目录第一章绪论........................................................11.1研究背景与意义...............................................11.2国内外研究现状...............................................21.3本论文的结构安排.............................................2第二章数字图像修复算法及模型.......................................72.1图像的基础知识...............................................72.2图像修复的问题描述..........................................102.3基于偏微分方程的图像修复....................................162.3.1BSCB模型及原理.......................................202.3.2TV模型及原理.........................................202.3.3CDD模型及原理........................................222.4基于纹理合成的图像修复......................................162.4.1非参数采样纹理合成.....................错误!未定义书签。2.4.2基于块的纹理合成......................................272.5本章小结....................................................28第三章基于纹理合成的改进算法......................................293.1Criminisi算法的缺点..........................................293.2自适应大小的样本块..........................................303.3优先权计算方式的改进........................................293.4模板匹配方式的改进..........................................303.4.1模板的局部搜索过程....................................203.4.2SSD模板匹配方式的缺陷................................203.4.3基于图像特征的模板匹配................................223.5平滑过渡处理................................................293.6本章小结....................................................30第四章实验结果及性能分析..........................................294.1实验环境及评价标准..........................................29ABSTRACT4.1.1实验环境说明..........................................204.1.2修复结果的评价标准....................................204.2仿真实验结果说明及对比......................................304.3本章小结....................................................29第五章总结与展望..................................................295.1论文总结....................................................295.2进一步研究工作..............................................30致谢..............................................................58参考文献...........................................................59攻硕期间取得的研究成果..............................错误!未定义书签。第一章绪论1第一章绪论1.1研究背景与意义图像修复技术，指用图像中的已知部分区域来填充修补图像中的受损区域，比如污点，裂缝等。广义上说，图像修复技术拥有十分悠久的历史，在中国，早在古代就已经有对书画文物、壁画等进行修复；在国外，图像修复早在欧洲文艺复兴时期就得到快速发展。由于历史和年代久远和保存不当等许多原因，许多珍贵的图片、文献、油画、雕塑等文物都出现了不同程度的破损，比如出现了折痕、斑点，或者缺失了一部分等。基于这些原因，出现了对这些受损文物进行修复的工作，对于破损区域较小的部分，修复过程称之为图像润饰(retouching)，比如划痕、污点；对于破损区域较大的部分，修复过程称之为图像补全(completion)。然而不管是图像润饰还是图像补全，都需要人们手工进行操作，而且是在原有文物上直接进行，这需要修复工作者具有丰富的经验和专业的技术，一旦修复者因为各种不可预计的原因而有所失误都会对这些珍贵文物造成不可逆转的破坏，同时因为是手工进行修复，因而修复的时间和质量都有严重限制，得不到良好保证。随着因特网的不断普及以及图像处理技术的日益成熟，数字图像的应用领域越来越广。近几十年来，图像的存储方式也变得多样化，不再只是单一的纸张，而是包括相机、MP3、照片、胶卷等各种媒介。然而照片中有可能需要去除不该出现在照片中的物体，胶卷经过长久时间的放置或经常使用也会受到损害，从而可能会影响图片的质量，也影响了图片的美观和使用价值。图像日益影响着人们的日常生活和科学研究，在对图像处理过程中难免碰到各种图像的修复和补全问题，比如许多出土的珍贵历史文物往往是受损的，需要进行补全，以还原其真实面貌；或者在某张很珍贵的照片里，有可能出现不相干的路人，需要进行去除。如果再依靠手工这种低效的修复方式已经不合实际，同时也反应出图像修复潜在的巨大价值和市场。计算机的出现使得图像修复工作不再需要手工操作，与手工修复相比，这不仅能极大的提高修复效率，同时对类似文物、书画等珍贵作品不会产生实质性损害，并且可以广泛应用到上述的各种图像处理中。电子科技大学硕士学位论文Bertalmio等人[1]在参考了修复者手工修复过程后，于2000年提出了数字图像修复这一概念。从这之后，图像修复开始受到广泛关注，中西方学者不断对其进行研究，并取得了重大成果。1.2国内外研究现状数字图像修复这一术语从2000年提出到现在已经超过10年，期间取得了重大突破。目前，按图像的结构、纹理和统计信息和先验概率等，图像修复算法主要分成三类：如图1-1所示。图1-1图像修复算法类别基于结构的图像修复技术，目前大多数都是基于偏微分方程模型来进行修复，而偏微分方程模型的主要思想是利用物理学中的信息扩散原理，即根据受损区域的边界信息，来确定沿着什么方向进行扩散和需要扩散哪些信息，从边界向里面扩散，使得受损区域越来越小，最终完成修复。该类方法主要用于修复受损区域较小的情况，例如划痕、污点等。PDE模型在图像处理中得到广泛应用，包括图像去噪、图像放大、图像还原等。经典的基于PDE模型的图像修复算法有三个：BSCB模型、TV模型、CDD模型。Bertalmio，Sapiro，Caselles和Ballester[1]四人（即BSCB模型）最先使用PDE模型来解决图像修复问题。BSCB模型是根据手工修复原理，模拟其修复的整个过程，通过进行不断的迭代，根据物理学中的信息扩散原理，将已知信息沿着等照度线的方向不断向内传播，从而不断减小受损区域，最终完成修复的过程。等照度线是梯度的法向方向，即与梯度垂直，而梯度是信息变化最大的方向。所以沿着等照度线也就是沿着受损区域边界变化最小的方向。图1-2是使用该算法修复的结果。第一章绪论3图1-2Bertalmio算法去除划痕的修复结果[1]结果表明，该算法适合于修复图像中的结构部分，修复效果明显，颜色过渡平滑，没有任何人工痕迹。与以前的图像修复算法相比，该算法的优点在于一旦启动后，无需人工干预，将人机交互最小化。但是，该算法的缺点也很明显，时间复杂度太高，执行速度非常慢；对大的缺陷区域的修复，会产生模糊效应等。随后，Chan和Shen[2]提出了另一种基于变分原理的图像修复模型，基于这种模型的算法称为整体变分（TV）模型。TV模型采用了欧拉-拉格朗日方程，并结合各向异性扩散方程，然后利用变分方