發(fā)布時(shí)間：2018-02-02 01:53

  本文關(guān)鍵詞： 圖像修復(fù) 優(yōu)先級(jí)函數(shù) 變分圖像分解 結(jié)構(gòu)分量 信息熵 紋理　出處：《光電子·激光》2017年01期 　論文類型：期刊論文

【摘要】：針對(duì)Criminisi圖像修復(fù)算法中優(yōu)先級(jí)計(jì)算易受圖像紋理影響的問(wèn)題,提出了改進(jìn)的基于圖像結(jié)構(gòu)分量的優(yōu)先級(jí)函數(shù)。首先采用變分分解模型,將待修補(bǔ)圖像分解為結(jié)構(gòu)分量和紋理分量;其次基于結(jié)構(gòu)分量計(jì)算數(shù)據(jù)項(xiàng),排除紋理的影響;然后在優(yōu)先權(quán)函數(shù)中引入度量像素塊復(fù)雜度的信息熵,將像素塊中除了中心點(diǎn)之外其它位置的結(jié)構(gòu)信息融入到優(yōu)先權(quán)的計(jì)算中,使修補(bǔ)次序進(jìn)一步向結(jié)構(gòu)豐富的像素塊傾斜;最后將優(yōu)先權(quán)函數(shù)表示為置信度、數(shù)據(jù)項(xiàng)和信息熵的加權(quán)和,以解決傳統(tǒng)Criminisi算法優(yōu)先權(quán)隨著置信度迅速下降為零而造成修復(fù)次序出現(xiàn)偏差的不足。新的優(yōu)先權(quán)函數(shù)排除了像素塊中在計(jì)算數(shù)據(jù)項(xiàng)時(shí)紋理的影響,并且融合更多的結(jié)構(gòu)信息,使修復(fù)次序更加準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明,對(duì)于不同的人工圖像和自然圖像,本文模型都能取得較為滿意的修復(fù)結(jié)果。
[Abstract]:In order to solve the problem that priority calculation is easily affected by image texture in Criminisi image restoration algorithm, an improved priority function based on image structure component is proposed. First, the variational decomposition model is adopted. Decomposing the image to be repaired into structural component and texture component; Secondly, the data items are calculated based on the structural components to eliminate the influence of texture. Then the information entropy which measures the complexity of pixel block is introduced into the priority function, and the structure information of the pixel block other than the center point is incorporated into the calculation of priority. The patching order is further tilted to the rich pixel blocks; Finally, the priority function is expressed as the weighted sum of confidence, data item and information entropy. In order to solve the problem that the priority of the traditional Criminisi algorithm decreases rapidly to zero with the confidence degree falling to zero, the new priority function eliminates the shadow of the texture in the pixel block when calculating the data item. Ring. The experimental results show that the proposed model can obtain satisfactory results for different artificial and natural images.
【作者單位】： 湖北民族學(xué)院理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61561019) 國(guó)家科技支撐計(jì)劃(2015BAK27B03) 湖北省自然科學(xué)基金(2015CFB262) 湖北民族學(xué)院博士啟動(dòng)基金(MY2015B001) 湖北省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃(201510517004)資助項(xiàng)目
【分類號(hào)】：TP391.41
【正文快照】： 1引言在圖像的獲取、儲(chǔ)存和傳輸過(guò)程中,有很多因素會(huì)引起圖像上局部信息的缺損。為了保證圖像信息的完整性,需要對(duì)受損圖像進(jìn)行填充修復(fù)[1]。近年出現(xiàn)了許多卓有成效的數(shù)字圖像修復(fù)模型或方法。這些方法大體上可分為兩大類[2,3]:一類是針對(duì)小尺度缺損的基于結(jié)構(gòu)的圖像修復(fù)技術(shù)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐冬青;;計(jì)算機(jī)圖像修復(fù)技術(shù)[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年10期

2 張勇;;數(shù)字圖像修復(fù)關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2014年02期

3 程村;;基于蒙特卡羅方法的圖像修復(fù)快速算法[J];工程地球物理學(xué)報(bào);2006年01期

4 王晨;杜建洪;;基于圖像修復(fù)技術(shù)的壓縮方法的研究[J];電子與信息學(xué)報(bào);2006年05期

5 姜瑞;馬利莊;聶棟棟;;一種有效的大面積圖像修復(fù)方法[J];計(jì)算機(jī)應(yīng)用研究;2006年12期

6 姚曄;韋冰;;圖像修復(fù)技術(shù)研究進(jìn)展[J];企業(yè)技術(shù)開發(fā);2007年04期

7 段漢根;汪繼文;;基于微分近似的圖像修復(fù)[J];信息技術(shù);2007年05期

8 陳芳;葉正麟;王繼紅;;基于統(tǒng)計(jì)特征的圖像修復(fù)[J];計(jì)算機(jī)工程與應(yīng)用;2007年22期

9 段漢根;汪繼文;;基于鄰域?yàn)V波的圖像修復(fù)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年10期

10 汪志敏;;試論數(shù)字圖像修復(fù)技術(shù)[J];張家口職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年04期

相關(guān)會(huì)議論文 前10條

1 張巧煥;唐向宏;任澍;;一種基于區(qū)域搜索的快速圖像修復(fù)算法[A];浙江省電子學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

2 史金鋼;齊春;;基于非局域樣本塊的圖像修復(fù)算法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

3 霍星;檀結(jié)慶;艾小豐;;基于隨機(jī)迭代查找的圖像修復(fù)算法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

4 李晉江;李孟軍;范輝;;低秩近似圖像修復(fù)算法[A];第六屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2013年

5 陳延嘉;莊志軍;王美清;;一種改進(jìn)的基于樣本的圖像修補(bǔ)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

6 高軍亮;徐曉剛;王建國(guó);吳晶;;一種基于圖像修復(fù)的目標(biāo)重建算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 朱曉臨;陳曉冬;朱園珠;陳Z，

本文編號(hào)：1483352