一種改進的基于樣本塊的圖像修復算法.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(DigitalImageInpainting)又是數(shù)字圖像處理學科中的一個重要分支方向，數(shù)字圖像修復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)的主要目標為復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)字照片處理應用場景，如損壞的數(shù)字

2、人工制品壁畫，歷史照片修復等領域，還是在數(shù)字圖像處理領域高層次的智能理解領域的研究過程中，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，該技術(shù)都有非常廣泛的需求。
　　數(shù)字圖像修復問題在數(shù)學領域上是一個不適定逆向的問題，該問題需要人為地設定圖像的先驗條件以定向地引導圖像的自動修復過程，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)字圖像修復技術(shù)的關

3、鍵條件。領域發(fā)展至今，修復技術(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、持數(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，我們在所有的修復過程結(jié)束后又引入了FMM平滑處理，使得最