圖像修復的關(guān)鍵技術(shù)研究.pdf

1、圖像修復起源于上個世紀的八十年代,人們主要是對古代的文物字畫進行手工的修復,而后由于數(shù)字圖像技術(shù)的崛起,數(shù)據(jù)圖像修復的技術(shù)也發(fā)展起來,成為圖像處理的一個重要的方面。目前數(shù)字圖像修復算法主要分成兩個派別,一個是基于偏微分方程的圖像修復算法,主要的思想是利用數(shù)學理論方式設計描述圖像修復的偏微分方程(PDE),通過計算方程的解來完成圖像修復過程。
　　 本文詳細闡述并比較了經(jīng)典的幾種PDE方法,如BSCB、TV和CDD模型,討論了它們

2、的優(yōu)點與不足之處。另一個是基于樣本紋理合成的圖像修復方法。主要的思想是根據(jù)破損的區(qū)域的周邊信息來在整幅圖像上尋找最優(yōu)匹配塊,來填補缺損區(qū)域,從而完成修復工作,如Criminisi算法。另外本文也介紹了基于凸集投影的紋理修復方法(POCS),它是人工的修復方法,摳取與待修復區(qū)域具有相似結(jié)構(gòu)且大小一樣的紋理塊,通過傅里葉變換將圖像的相位與幅值信息相分離,把相位的影響因素去掉,根據(jù)凸集投影原理在幅值信息中完成修復工作。對以上的算法做了比較詳細

3、的綜述,并根據(jù)模型的理解實現(xiàn)了相應的算法,給出了各個模型的修復效果,做了相應的結(jié)果分析,比較了它們之間的優(yōu)缺點。同時在以上的模型基礎上,本文提出基于高斯金字塔的置信傳播算法,實驗證明該算法能夠較好地保持圖像的紋理與結(jié)構(gòu)信息。另外針對Criminisi算法的不足,本文也提出了改進紋理合成算法,在紋理合成過程中動態(tài)地選擇復制圖像塊的大小,增加了一致性搜索策略加強圖像視覺的連貫性,并在這基礎上引入了人機交互的方法,解決修復具有復雜結(jié)構(gòu)圖像的難