基于檢索的多選擇圖像修復研究.pdf

1、數字圖像修復是利用圖像完好區(qū)域的信息對缺損區(qū)域進行修復的一個過程。它要求修復后的結果保持良好的視覺觀賞性，最大限度地減少修復過程中的人為痕跡。數字圖像修復可以分為基于圖像自身內容的修復技術和基于其它素材的多選擇圖像修復技術。相比于基于圖像自身內容的修復技術，基于其它素材的多選擇圖像修復技術有著明顯的優(yōu)勢。一方面，它可以有效地解決圖像大面積缺損問題。另一方面，它為缺損圖像提供了更多的修復選擇，讓修復結果更加有多樣性和創(chuàng)造性。在媒體時代的今

2、天，很多圖像處理技術在媒體應用中發(fā)揮了重要的作用，基于其它素材的多選擇修復技術作為圖像處理中的重要技術為媒體應用提供了重要的技術支持。
　　它的基本流程可以歸納為以下三個步驟:首先，需要從海量的圖像庫中檢索出素材圖像（和待修復圖像相同或者相近的可以用來作為修復素材的圖像）;其次，需要對素材圖像中的素材區(qū)域（素材圖像中可以用來完成修復的目標區(qū)域）進行提取;再次，需要利用素材區(qū)域對缺損圖像進行修復。但是，如何從大數據圖像庫中選取大量且

3、精準的素材圖像，如何從圖像中精確地提取素材區(qū)域，如何減少修復過程中的人為痕跡（修復邊緣梯度變化明顯，前景和背景在顏色，紋理，噪聲等特征上有著明顯的差異）都是修復過程中的關鍵問題。傳統(tǒng)的多選擇圖像修復算法往往沒有有效地解決這些問題，從而直接降低了修復的質量。本文針對以上這些問題進行了深度分析，對“基于檢索的多選擇圖像修復”進行了深入研究，全文的主要貢獻包括以下幾點:
　　(1)針對素材圖像檢索正確率低下的問題，提出了一種素材圖像優(yōu)選

4、模型。首先，該方法利用不同類別間的聯(lián)合分布概率對素材圖像進行初步檢索，利用文字信息提前刪除掉一些無關圖像，有效地減少了工作量。其次，利用K-means聚類技術對圖像進行分類，將圖像分為風景類圖像和物體類圖像，根據圖像類別利用不同的特征算子進行計算。最后，利用改進的空間金字塔函數完成待修復圖像和待檢索圖像的匹配，實現(xiàn)高精度的圖像匹配。三個環(huán)節(jié)緊密聯(lián)系，有效地解決了素材圖像檢索正確率低下的問題，為多選擇的圖像修復技術提供了高效準確的素材圖像

5、。
　　(2)針對難以精確提取素材區(qū)域的問題，提出了一種優(yōu)化的素材區(qū)域提取模型。首先，該方法利用多尺度細節(jié)保留技術和多層平滑技術對素材圖像進行深度優(yōu)化，使得素材區(qū)域和背景部分有著顯著的區(qū)分度。與此同時，素材區(qū)域自身的顏色，紋理差異也明顯變小。優(yōu)化后圖像中的素材區(qū)域可以非常方便地被提取，有效地提升了提取精度。對于高質量的摳像技術（特殊情況下，素材區(qū)域需要高精度的提取），本文利用訓練樣本優(yōu)選模型進行高精度摳取，有效地解決了摳取精度不足

6、的問題。新的模型有效地解決了無法精確提取素材區(qū)域的問題，為多選擇的圖像修復技術提供了精準的素材區(qū)域。
　　(3)針對修復過程復雜，修復結果人為痕跡明顯的問題，提出了一種高質量的修復方法。首先，利用改進的foe(field of experts)算法對待修復部分進行修善，有效地提升了修復質量。在修善過程中，該方法對訓練圖像進行優(yōu)選，有效地減少了工作量。然而，基于foe算法的簡單修復缺乏多樣性和創(chuàng)意性，除此之外，我們利用前面技術檢索到