基于偏移量与结构稀疏度的数字图像修复算法研究

摘要

随着计算机技术的发展和各种智能设备的出现，数字图像修复技术得到了广泛的应用。该技术可以利用图像中的已知区域信息对图像的破损部分进行补全。本文介绍了图像修复技术的研究背景与发展现状，对几种基于样本块的经典图像修复算法进行了算法说明与实验分析，并总结了该类算法中出现的问题。　　针对目前基于样本块匹配的修复算法不能有效描述图像结构区域，导致修复结构不连贯的问题，本文设计了一种基于偏移差值和结构化稀疏的图像修复算法。首先定义了一个新的特征偏移差值来衡量样本块的相似性，结合图像颜色特征构造样本块间相似度项，并利用该相似度项寻找最佳匹配块；然后将偏移差值信息和颜色信息共同作为稀疏约束项来构造约束方程，使稀疏表示信息更加准确，保持图像的邻域一致性。实验结果表明，本章算法对线性结构和重复区域的破损修复能获得更好的效果。　　针对基于样本块匹配的算法中搜索范围太大，干扰项过多造成匹配错误的问题，提出了一种基于主导偏移量的样本块图像修复算法。将图像每一对相似样本块之间的偏移量进行统计，并选出其中的M个主导偏移量；对优先权进行改进，使位于结构区域的样本块能得到优先填充；在搜索最佳匹配块时，仅对待匹配块经过上述偏移后指向的样本块及其邻域块进行计算，并从中选出N个最佳匹配块，并使用稀疏表示系数进行加权。实验结果表明，本文算法相较对比算法的PSNR结果提升了约1.5dB。

目录

声明

第1章 绪论

1.1 发展背景

1.2 研究意义

1.3 研究现状

1.4 修复结果评价标准

1.5 论文安排与工作

第2章 基于样本块的修复算法分析

2.1 基于样本块匹配的方法

2.1.1 criminis算法

2.1.2 基于结构稀疏的图像修复算法

2.1.3 基于梯度与稀疏度的算法

2.1.4 算法中存在的问题

2.2 基于全局优化的修复算法

2.2.1 shift-map算法

2.2.2 基于全局统计信息预选择标签的算法

2.3 本章小结

第3章 基于偏移差值的图像修复算法

3.1 引言

3.2 算法介绍

3.2.1 优先权

3.2.2 偏移差值

3.2.3 加权颜色-偏移差值的匹配准则

3.2.4 线性稀疏表示

3.3 实验分析

3.3.1 参数选择

3.3.2 小区域破损图像修复

3.3.3 目标移除实验分析

3.4 本章小结

第4章 基于偏移量统计的图像修复算法

4.1 引言

4.2 算法介绍

4.2.1 主导偏移量

4.2.2 优先权函数

4.2.3 线性稀疏表示

4.3 实验分析

4.3.1 搜索区域选择分析

4.3.2 优先权函数分析

4.3.3 参数分析

4.3.4 小区域破损修复结果

4.3.5 目标移除结果

4.4 本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表论文与科研成果