基于置信傳播模型的圖像修復(fù)算法研究.pdf

1、基于優(yōu)先級-置信傳播(prior-Belief Propagation)的圖像修復(fù)算法，有著其他算法不可比擬的優(yōu)越性:其既能處理紋理區(qū)域，又能修復(fù)結(jié)構(gòu)區(qū)域;甚至針對以上二者的混合區(qū)域，也常常有著優(yōu)異的修復(fù)表現(xiàn)，普適性較強(qiáng)。但是，該算法執(zhí)行效率較低的缺陷，使其很難滿足實(shí)時(shí)圖像修復(fù)處理的需求。為此，本文提出了三點(diǎn)改進(jìn)措施:
　　1)為解決優(yōu)先級-置信傳播算法初次迭代前，由于內(nèi)部節(jié)點(diǎn)參考信息缺乏，造成的節(jié)點(diǎn)交互運(yùn)算量過大的問題，本文在節(jié)

2、點(diǎn)消息傳遞前嵌入字典表示模型，以提供標(biāo)簽預(yù)裁減依據(jù)，減少內(nèi)部節(jié)點(diǎn)信息交互產(chǎn)生的計(jì)算量，加速消息傳遞的收斂。首先，將待修復(fù)圖像分成兩類圖像塊:一類圖像塊全部處于源區(qū)域，稱為已知圖像塊;另一類圖像塊既處于源區(qū)域又處于破損區(qū)域，稱為待修復(fù)圖像塊。其次，利用己知圖像塊構(gòu)建固定字典，同時(shí)初始化字典系數(shù)。接著，利用字典和待修復(fù)圖像塊的已知信息，解得最佳近似系數(shù)。最后，利用字典和求得的最佳系數(shù)，得到待修復(fù)圖像塊未知信息的粗略值，作為內(nèi)部節(jié)點(diǎn)的參考信息

3、。
　　2)為解決優(yōu)先級-置信傳播算法各節(jié)點(diǎn)含有相似冗余標(biāo)簽的弊端，進(jìn)一步提高所有節(jié)點(diǎn)交互效率，本文定義了SSD標(biāo)簽聚類方法。首先，按照置信度值的大小，將活躍標(biāo)簽依次排列。其次，以置信度最大的標(biāo)簽為開端，作為首個(gè)聚類中心，比較后續(xù)標(biāo)簽與聚類中心的相似程度，足夠相似則刪減，差異較大則更換聚類中心，即將當(dāng)前處于比較狀態(tài)的標(biāo)簽設(shè)為新的聚類中心。接著，新的聚類中心繼續(xù)與其后續(xù)標(biāo)簽進(jìn)行相似比較，以此類推，逐漸裁剪掉節(jié)點(diǎn)中所有多余的相似標(biāo)簽，

4、提高各節(jié)點(diǎn)標(biāo)簽集中標(biāo)簽的緊湊性。
　　3)為配合標(biāo)簽聚類，本文接著改進(jìn)了邊緣節(jié)點(diǎn)優(yōu)先級的計(jì)算方法。在優(yōu)先級的計(jì)算公式中，增加一個(gè)結(jié)構(gòu)項(xiàng)，該結(jié)構(gòu)項(xiàng)引入了結(jié)構(gòu)稀疏度的概念，可以充分利用節(jié)點(diǎn)附近已知的圖像信息，找出特殊節(jié)點(diǎn)，提高它的優(yōu)先級;以此抵消標(biāo)簽聚類對節(jié)點(diǎn)優(yōu)先級造成的擾動，保證對破損圖像結(jié)構(gòu)信息的修復(fù)。
　　綜上，本文改進(jìn)算法很好的降低了內(nèi)部節(jié)點(diǎn)交互所需的運(yùn)算量，減少了所有節(jié)點(diǎn)標(biāo)簽的相似冗余。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)措施