基于结构信息与块统计特性的图像修复算法研究

摘要

图像修复技术作为图像处理的一个新兴领域,是以视觉合理的方式对图像中缺损区域进行填充的过程。图像修复在图像内容编辑、文物修复、图像传输与压缩编码等多方面具有广泛的应用，因而具有重要的研究价值和意义。针对图像缺损面积较大或重要结构缺失时，难以修复图像中结构的问题，本文从结构重构和修复优先权策略进行改进，有效提高了图像修复效果。
　　本文主要工作和创新如下：
　　（1）提出基于结构重构和约束的图像修复算法。针对目前图像修复算法在图像较大面积缺损情况下不能很好的修复图像中结构的问题,采用对结构进行重构的方法以保持和延伸原结构。首先对图像进行分割并提取主要缺损结构；然后采用欧拉螺旋能量最小化曲线对缺损结构进行重构，获得满足人类视觉的结构；最后将重构后结构作为约束条件，指引完成图像缺损部分的纹理填充。该算法在保持结构连贯的同时，有效地避免纹理不一致的现象，获得了令人满意的视觉效果。
　　（2）提出基于样本块梯度统计特性的图像修复算法。针对基于等照度线的图像修复优先权修复顺序不合理而导致的结构不连续和块效应，本文从待修复图像的内部特征以及图像块之间的统计特性展开研究。利用梯度信息能够较好地反应图像频率的变化及其结构延伸走向的特性，用邻域窗图像块的梯度波动程度来确定填充顺序。采用该算法得到的图像修复结果能够更好地保持结构的完整性，提高了图像修复质量。
　　（3）提出结合颜色和梯度方向特性度量样本块之间相似度的样本块匹配准则。仅采用颜色信息寻找匹配块，易寻找到颜色相似但结构和纹理并不同的样本块而出现误匹配现象。利用图像梯度信息能反映像素之间变化的程度，并能表征图像的方向特征的特性,采用结合梯度和颜色信息的匹配准则寻找最佳匹配块。使用该匹配准则找到的匹配块视觉上相似，方向特征基本相同，能够降低误匹配现象，修复的图像视觉上更合理。