一種改進的基于樣本塊的圖像修復(fù)算法.pdf

1、隨著時代的發(fā)展，人工智能等技術(shù)的推廣越來越普遍，數(shù)字圖像智能處理技術(shù)作為其中的一員，自然也得到普遍的運用。其中，數(shù)字圖像修復(fù)(DigitalImageInpainting)又是數(shù)字圖像處理學(xué)科中的一個重要分支方向，數(shù)字圖像修復(fù)的過程是對一幅圖畫中的被污染或破壞的區(qū)域進行像素修補填充的過程，該技術(shù)的主要目標(biāo)為復(fù)原被污染或損壞的數(shù)字圖像，最終使得人們在正常的觀看中察覺不到該圖像有曾經(jīng)被污損過的痕跡。無論是在數(shù)字照片處理應(yīng)用場景，如損壞的數(shù)字

2、人工制品壁畫，歷史照片修復(fù)等領(lǐng)域，還是在數(shù)字圖像處理領(lǐng)域高層次的智能理解領(lǐng)域的研究過程中，如圖像識別之前需要將圖中對象刪除或者對內(nèi)容進行完整性修復(fù)，該技術(shù)都有非常廣泛的需求。
　　數(shù)字圖像修復(fù)問題在數(shù)學(xué)領(lǐng)域上是一個不適定逆向的問題，該問題需要人為地設(shè)定圖像的先驗條件以定向地引導(dǎo)圖像的自動修復(fù)過程，從而制造出一幅在感官上上沒有遭受破壞、讓人思維上可接受的處理圖像。從而可知，怎樣選擇適用的數(shù)字圖像先驗條件模型就成了數(shù)字圖像修復(fù)技術(shù)的關(guān)

3、鍵條件。領(lǐng)域發(fā)展至今，修復(fù)技術(shù)根據(jù)破損污染區(qū)域的面積可以分為兩種:處理面積較小的偏微分技術(shù)(PartialDifferentialEquations);處理面積較大的基于紋理重構(gòu)的技術(shù)。
　　Criminisi算法[19]是該論文的重點研究內(nèi)容，該文中的算法是在Criminisi的基礎(chǔ)上進行改進，對優(yōu)先權(quán)的計算公式、尋找最優(yōu)匹配塊等內(nèi)容進行了改進，并引入了平滑處理，用于克服在修復(fù)過程中產(chǎn)生的斷層現(xiàn)象。在尋找優(yōu)先權(quán)最大的樣本塊時，保

4、持?jǐn)?shù)據(jù)、自信度等不變，再加入梯度項，使得尋找到的優(yōu)先權(quán)最大的樣本塊更加可靠可信，避免了信息量較少帶來的缺陷;鎖定最大優(yōu)先權(quán)樣本塊后，論文在尋找最相似樣本塊的過程中引入了結(jié)構(gòu)相似性信息，從整體上衡量了塊之間的聯(lián)系，而不是單單利用每個像素點之間的差異，使得匹配到的樣本塊與待修復(fù)塊之間的可靠信息更多;通過研究過程中發(fā)現(xiàn)，基于樣本塊的圖像修復(fù)算法經(jīng)常會出現(xiàn)斷層的現(xiàn)象，在視覺上很違和，因而，我們在所有的修復(fù)過程結(jié)束后又引入了FMM平滑處理，使得最