一種基于等照度線的圖像修復(fù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)圖像處理領(lǐng)域，尤其涉及一種基于等照度線的圖像修復(fù)方法。
【背景技術(shù)】
[0002] 作為數(shù)字圖像處理的重要組成部分，數(shù)字圖像修復(fù)的目的是根據(jù)圖像中的已知數(shù) 據(jù)信息對(duì)信息缺損區(qū)域進(jìn)行修復(fù)。近年來，隨著多媒體技術(shù)在圖像復(fù)原和圖像編輯等領(lǐng)域 的廣泛應(yīng)用，圖像修復(fù)技術(shù)受到越來越多的關(guān)注。目前該技術(shù)大體上可以分為兩類：一類是 基于擴(kuò)散（Diffusion-based)的修復(fù)方法，另一類是基于樣本塊（Exemplar-based)的修復(fù) 方法。
[0003] Diffusion-based修復(fù)方法是基于參數(shù)模型或者偏微分方程，從圖像破損區(qū)域 的邊緣向內(nèi)逐漸平滑過渡，將平滑優(yōu)先性傳播或分散到局部結(jié)構(gòu)中，該類修復(fù)方法主要用 于解決小區(qū)域破損區(qū)域的修復(fù)。該方法主要包括偏微分方程（PDE)算法，全變分（Total Variation,TV)模型和基于曲率驅(qū)動(dòng)擴(kuò)散（CurvatureDrivenDiffusion,CDD)模型等。
[0004] Exemplar-based算法是由Criminisi等人提出，該類修復(fù)方法是通過在資源區(qū)搜 索與目標(biāo)塊的最優(yōu)匹配塊，并將其直接復(fù)制到破損區(qū)域來實(shí)現(xiàn)圖像修復(fù)；由于該方法能夠 保持紋理特征的一致性，因此可以解決大區(qū)域破損圖像的修復(fù)問題，獲得更為理想的圖像 修復(fù)效果，代表了當(dāng)前的研宄方向。在Exemplar-based算法的基礎(chǔ)上，各國(guó)學(xué)者提出了許 多改進(jìn)算法，將圖像分割、曲線擬合、粒子群優(yōu)化算法、蟻群算法等應(yīng)用于圖像修復(fù)來優(yōu)化 改善自然圖像的修復(fù)效果。同時(shí)，還提出各種自適應(yīng)確定樣本塊大小和自適應(yīng)確定修復(fù)參 數(shù)等圖像修復(fù)算法，提高了圖像修復(fù)過程的自適應(yīng)性，改善了圖像修復(fù)結(jié)果。近年來，還有 一些學(xué)者提出了改進(jìn)的紋理合成算法，結(jié)構(gòu)引導(dǎo)紋理修復(fù)的算法以及多尺度切割等圖像修 復(fù)算法。
[0005] 值得注意的是，在修復(fù)具有大區(qū)域破損結(jié)構(gòu)和光照變化的紋理圖像時(shí)，利用傳統(tǒng) 的Exemplar-based修復(fù)算法及其改進(jìn)算法容易出現(xiàn)誤匹配的現(xiàn)象，進(jìn)而導(dǎo)致修復(fù)后結(jié)構(gòu) 斷裂或紋理光照分布不均，無(wú)法獲得理想的圖像修復(fù)效果。鑒于此，本發(fā)明嘗試?yán)酶倪M(jìn)的 等照度線函數(shù)，對(duì)紋理合成過程進(jìn)行引導(dǎo)，以此獲得穩(wěn)健的圖像修復(fù)效果。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供了 一種基于等照度線的圖像修復(fù)方法，本發(fā)明解決了傳統(tǒng) Exemplar-based修復(fù)算法及其改進(jìn)算法容易出現(xiàn)的誤匹配現(xiàn)象，以及因此而導(dǎo)致的修復(fù)后 結(jié)構(gòu)斷裂或紋理光照分布不均的問題，詳見下文描述：
[0007] -種基于等照度線的圖像修復(fù)方法，所述方法包括以下步驟：
[0008] 對(duì)待修復(fù)圖像進(jìn)行Guided濾波處理，提取待修復(fù)圖像的結(jié)構(gòu)和紋理細(xì)節(jié)信息；
[0009] 通過各向異性傳播算法中的邊緣停止函數(shù)對(duì)傳統(tǒng)的等照度線函數(shù)進(jìn)行改進(jìn)，并將 改進(jìn)后的函數(shù)與傳統(tǒng)圖像修復(fù)優(yōu)先權(quán)函數(shù)相結(jié)合得到穩(wěn)健的優(yōu)先權(quán)計(jì)算函數(shù)；
[0010] 通過優(yōu)先權(quán)計(jì)算函數(shù)獲取結(jié)構(gòu)圖像中破損區(qū)域像素塊的優(yōu)先權(quán)值；在圖像全局范 圍內(nèi)尋找相似度最高的樣本塊，即最優(yōu)匹配塊，完成對(duì)結(jié)構(gòu)圖中破損區(qū)域的修復(fù)；
[0011] 采用紋理細(xì)節(jié)圖像中與結(jié)構(gòu)圖中尋找到的最優(yōu)匹配塊相對(duì)應(yīng)的紋理細(xì)節(jié)樣本塊 對(duì)破損的紋理細(xì)節(jié)圖像進(jìn)行修復(fù)；
[0012] 將修復(fù)完成的結(jié)構(gòu)圖像和紋理細(xì)節(jié)圖像進(jìn)行疊加，完成圖像修復(fù)過程。
[0013] 所述穩(wěn)健的優(yōu)先權(quán)計(jì)算函數(shù)具體為：
[0014] RP(p) =aRc(p) + 0S(p)，0 <a，0 < 1，a+ 0 = 1
[0015] 其中，RP(p)表示以p為中心像素的待修復(fù)塊的優(yōu)先權(quán)值，a、0是權(quán)重參數(shù)，S(p) 表示以P為中心像素的等照度線檢測(cè)值；Rc(p)為置信項(xiàng)函數(shù)。
[0016] 本發(fā)明提供的技術(shù)方案的有益效果是：本發(fā)明將Guided濾波算法引入到圖像修 復(fù)領(lǐng)域，去除了紋理細(xì)節(jié)和噪聲干擾，提高了優(yōu)先權(quán)函數(shù)計(jì)算的可靠性，同時(shí)減少了誤匹 配；通過將等照度線檢測(cè)方法與優(yōu)先權(quán)函數(shù)相結(jié)合，提高了算法對(duì)復(fù)雜結(jié)構(gòu)及光照變化紋 理的修復(fù)效果，獲得了理想的效果。
【附圖說明】
[0017] 圖1為一種基于等照度線的圖像修復(fù)方法的流程圖；
[0018] 圖2不同修復(fù)算法對(duì)沙灘圖的修復(fù)效果；
[0019] 其中，（a)為待修復(fù)圖像，（b)為Criminisi算法修復(fù)結(jié)果，（c)為Cheng算法修復(fù) 結(jié)果，（d)為Casaca算法修復(fù)結(jié)果，（e)本方法修復(fù)結(jié)果；
[0020] 圖3不同修復(fù)算法對(duì)操場(chǎng)圖像的修復(fù)效果；
[0021] 其中，（a)為待修復(fù)圖像，（b)為Criminisi算法修復(fù)結(jié)果，（c)為Cheng算法修復(fù) 結(jié)果，（d)為Casaca算法修復(fù)結(jié)果，（e)本方法修復(fù)結(jié)果；
[0022] 圖4不同修復(fù)算法對(duì)海景圖像的修復(fù)效果。
[0023] 其中，（a)為待修復(fù)圖像，（b)為Criminisi算法修復(fù)結(jié)果，（c)為Cheng算法修復(fù) 結(jié)果，（d)為Casaca算法修復(fù)結(jié)果，（e)本方法修復(fù)結(jié)果。
【具體實(shí)施方式】
[0024] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面對(duì)本發(fā)明實(shí)施方式作進(jìn)一步 地詳細(xì)描述。
[0025] 本發(fā)明提出了一種穩(wěn)健的基于等照度線圖像修復(fù)方法。首先利用Guided濾波器 去除紋理和噪聲干擾，獲得圖像的整體結(jié)構(gòu)信息；然后，利用各向異性擴(kuò)散算法中的邊緣 停止函數(shù)對(duì)傳統(tǒng)的等照度線檢測(cè)方法進(jìn)行了改進(jìn)，并將其與傳統(tǒng)圖像修復(fù)優(yōu)先權(quán)函數(shù)相結(jié) 合；通過利用等照度線函數(shù)對(duì)紋理合成過程進(jìn)行引導(dǎo)，以獲得穩(wěn)健的圖像修復(fù)效果。參見圖 1，本發(fā)明的技術(shù)方案如下：
[0026] 101 :對(duì)待修復(fù)圖像進(jìn)行Guided濾波處理，提取其結(jié)構(gòu)和紋理細(xì)節(jié)信息；
[0027] 即根據(jù)Guided濾波算法的基本理論對(duì)待修復(fù)圖像進(jìn)行濾波處理，濾除待修復(fù)圖 像中的噪聲及部分紋理細(xì)節(jié)信息，得到圖像的結(jié)構(gòu)信息，從而減少噪聲對(duì)圖像修復(fù)的干擾。
[0028] 假設(shè)待修復(fù)圖像為I，它是Guided濾波過程的引導(dǎo)圖像，濾波輸出圖像為y，它們 之間滿足一種局部線性模型，其中輸出圖像y是引導(dǎo)圖像I在以像素k為中心的方形窗口 ?k的線性變換，即：
[0029] ^= (l)
[0030] 其中，（ak，bk)是方形窗口《k的線性常量系數(shù)。
[0031] 線性常量系數(shù)（ak，bk)可以通過令濾波輸出圖像y和濾波輸入圖像x差值的最小 化來獲得，定義窗口中最小化代價(jià)函數(shù)如下：
[0032]
【主權(quán)項(xiàng)】
1. 一種基于等照度線的圖像修復(fù)方法，其特征在于，所述方法包括w下步驟： 對(duì)待修復(fù)圖像進(jìn)行Guided濾波處理，提取待修復(fù)圖像的結(jié)構(gòu)和紋理細(xì)節(jié)信息； 通過各向異性傳播算法中的邊緣停止函數(shù)對(duì)傳統(tǒng)的等照度線函數(shù)進(jìn)行改進(jìn)，并將改進(jìn) 后的函數(shù)與傳統(tǒng)圖像修復(fù)優(yōu)先權(quán)函數(shù)相結(jié)合得到穩(wěn)健的優(yōu)先權(quán)計(jì)算函數(shù)； 通過優(yōu)先權(quán)計(jì)算函數(shù)獲取結(jié)構(gòu)圖像中破損區(qū)域像素塊的優(yōu)先權(quán)值；在圖像全局范圍內(nèi) 尋找相似度最高的樣本塊，即最優(yōu)匹配塊，完成對(duì)結(jié)構(gòu)圖中破損區(qū)域的修復(fù)； 采用紋理細(xì)節(jié)圖像中與結(jié)構(gòu)圖中尋找到的最優(yōu)匹配塊相對(duì)應(yīng)的紋理細(xì)節(jié)樣本塊對(duì)破 損的紋理細(xì)節(jié)圖像進(jìn)行修復(fù)； 將修復(fù)完成的結(jié)構(gòu)圖像和紋理細(xì)節(jié)圖像進(jìn)行疊加，完成圖像修復(fù)過程。
2. 根據(jù)權(quán)利要求1所述的一種基于等照度線的圖像修復(fù)方法，其特征在于，所述穩(wěn)健 的優(yōu)先權(quán)計(jì)算函數(shù)具體為： RP (P)=曰 Rc (P) + P S (P), 0《曰，0《1,曰 + 0 = 1 其中，RP(P)表示W(wǎng)p為中屯、像素的待修復(fù)塊的優(yōu)先權(quán)值，a、P是權(quán)重參數(shù)，S(p)表 示W(wǎng) P為中屯、像素的等照度線檢測(cè)值；Rc(p)為置信項(xiàng)函數(shù)。
【專利摘要】本發(fā)明公開了一種基于等照度線的圖像修復(fù)方法，該方法包括以下步驟：通過各向異性傳播算法中的邊緣停止函數(shù)對(duì)傳統(tǒng)的等照度線函數(shù)進(jìn)行改進(jìn)，并將改進(jìn)后的函數(shù)與傳統(tǒng)圖像修復(fù)優(yōu)先權(quán)函數(shù)相結(jié)合得到穩(wěn)健的優(yōu)先權(quán)計(jì)算函數(shù)；通過優(yōu)先權(quán)計(jì)算函數(shù)獲取結(jié)構(gòu)圖像中破損區(qū)域像素塊的優(yōu)先權(quán)值；在圖像全局范圍內(nèi)尋找相似度最高的樣本塊，即最優(yōu)匹配塊，完成對(duì)結(jié)構(gòu)圖中破損區(qū)域的修復(fù)；采用紋理細(xì)節(jié)圖像中與結(jié)構(gòu)圖中尋找到的最優(yōu)匹配塊相對(duì)應(yīng)的紋理細(xì)節(jié)樣本塊對(duì)破損的紋理細(xì)節(jié)圖像進(jìn)行修復(fù)；將修復(fù)完成的結(jié)構(gòu)圖像和紋理細(xì)節(jié)圖像進(jìn)行疊加，完成圖像修復(fù)過程。本發(fā)明在有效保持修復(fù)圖像結(jié)構(gòu)信息的同時(shí)，對(duì)具有光照變化的紋理也獲得了比較理想的修復(fù)效果。
【IPC分類】G06T5-00
【公開號(hào)】CN104574317
【申請(qǐng)?zhí)枴緾N201510025336
【發(fā)明人】何凱, 張麗瑩, 高俊俏
【申請(qǐng)人】天津大學(xué)
【公開日】2015年4月29日
【申請(qǐng)日】2015年1月19日