一種改進(jìn)的基于樣本塊的圖像修復(fù)算法.pdf

1、隨著時(shí)代的發(fā)展，人工智能等技術(shù)的推廣越來(lái)越普遍，數(shù)字圖像智能處理技術(shù)作為其中的一員，自然也得到普遍的運(yùn)用。其中，數(shù)字圖像修復(fù)(DigitalImageInpainting)又是數(shù)字圖像處理學(xué)科中的一個(gè)重要分支方向，數(shù)字圖像修復(fù)的過(guò)程是對(duì)一幅圖畫(huà)中的被污染或破壞的區(qū)域進(jìn)行像素修補(bǔ)填充的過(guò)程，該技術(shù)的主要目標(biāo)為復(fù)原被污染或損壞的數(shù)字圖像，最終使得人們?cè)谡５挠^看中察覺(jué)不到該圖像有曾經(jīng)被污損過(guò)的痕跡。無(wú)論是在數(shù)字照片處理應(yīng)用場(chǎng)景，如損壞的數(shù)字

2、人工制品壁畫(huà)，歷史照片修復(fù)等領(lǐng)域，還是在數(shù)字圖像處理領(lǐng)域高層次的智能理解領(lǐng)域的研究過(guò)程中，如圖像識(shí)別之前需要將圖中對(duì)象刪除或者對(duì)內(nèi)容進(jìn)行完整性修復(fù)，該技術(shù)都有非常廣泛的需求。
　　數(shù)字圖像修復(fù)問(wèn)題在數(shù)學(xué)領(lǐng)域上是一個(gè)不適定逆向的問(wèn)題，該問(wèn)題需要人為地設(shè)定圖像的先驗(yàn)條件以定向地引導(dǎo)圖像的自動(dòng)修復(fù)過(guò)程，從而制造出一幅在感官上上沒(méi)有遭受破壞、讓人思維上可接受的處理圖像。從而可知，怎樣選擇適用的數(shù)字圖像先驗(yàn)條件模型就成了數(shù)字圖像修復(fù)技術(shù)的關(guān)

3、鍵條件。領(lǐng)域發(fā)展至今，修復(fù)技術(shù)根據(jù)破損污染區(qū)域的面積可以分為兩種:處理面積較小的偏微分技術(shù)(PartialDifferentialEquations);處理面積較大的基于紋理重構(gòu)的技術(shù)。
　　Criminisi算法[19]是該論文的重點(diǎn)研究?jī)?nèi)容，該文中的算法是在Criminisi的基礎(chǔ)上進(jìn)行改進(jìn)，對(duì)優(yōu)先權(quán)的計(jì)算公式、尋找最優(yōu)匹配塊等內(nèi)容進(jìn)行了改進(jìn)，并引入了平滑處理，用于克服在修復(fù)過(guò)程中產(chǎn)生的斷層現(xiàn)象。在尋找優(yōu)先權(quán)最大的樣本塊時(shí)，保

4、持?jǐn)?shù)據(jù)、自信度等不變，再加入梯度項(xiàng)，使得尋找到的優(yōu)先權(quán)最大的樣本塊更加可靠可信，避免了信息量較少帶來(lái)的缺陷;鎖定最大優(yōu)先權(quán)樣本塊后，論文在尋找最相似樣本塊的過(guò)程中引入了結(jié)構(gòu)相似性信息，從整體上衡量了塊之間的聯(lián)系，而不是單單利用每個(gè)像素點(diǎn)之間的差異，使得匹配到的樣本塊與待修復(fù)塊之間的可靠信息更多;通過(guò)研究過(guò)程中發(fā)現(xiàn)，基于樣本塊的圖像修復(fù)算法經(jīng)常會(huì)出現(xiàn)斷層的現(xiàn)象，在視覺(jué)上很違和，因而，我們?cè)谒械男迯?fù)過(guò)程結(jié)束后又引入了FMM平滑處理，使得最