基于整體變分模型及蛇模型的數(shù)字圖像修復(fù)算法的研究.pdf

1、本文首先對(duì)圖像修復(fù)作了簡(jiǎn)要的介紹，對(duì)常用的圖像修復(fù)模型進(jìn)行了分析。
　　 針對(duì)整體變分(TV)模型在圖像修復(fù)過程中對(duì)參數(shù)的選取比較敏感，而且運(yùn)算量較大的缺點(diǎn)，本文考慮了待修復(fù)區(qū)域外部參考像素與待修補(bǔ)點(diǎn)的相關(guān)度，根據(jù)待修復(fù)區(qū)域的形狀，將其分為三類；再根據(jù)不同的類設(shè)置不同的權(quán)值；然后利用參考像素信息從待修復(fù)區(qū)域的邊緣逐步地向待修復(fù)區(qū)域內(nèi)進(jìn)行擴(kuò)散，從而快速修復(fù)圖像，修復(fù)效果也很理想。
　　 本文還在整體變分模型的基礎(chǔ)上引入蛇(

2、Snake)模型，同時(shí)考慮待修復(fù)區(qū)域的形狀，根據(jù)不同的形狀應(yīng)用不同的修復(fù)模型，提出了自適應(yīng)Snake-TV模型，并將其應(yīng)用到灰度圖像和彩色圖像的修復(fù)。在熱擴(kuò)散過程中，該模型使待修復(fù)邊緣曲線向目標(biāo)邊界演化，達(dá)到修復(fù)破損圖像的斷裂邊緣的目的，從而較好地保持了圖像的視覺連通性。試驗(yàn)結(jié)果表明，在迭代次數(shù)相同的條件下修復(fù)灰度圖像和彩色圖像，本文的算法的修復(fù)效果比TV模型好得多。與Snake-CDD模型相比，本文的算法的修復(fù)效果也更好，同時(shí)所用時(shí)間