本文選題：圖像修復 + 樣本塊　； 參考：《山東大學》2017年碩士論文

【摘要】：隨著時代的發(fā)展,人工智能等技術(shù)的推廣越來越普遍,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用。其中,數(shù)字圖像修復(Digital Image Inpainting)又是數(shù)字圖像處理學科中的一個重要分支方向,數(shù)字圖像修復的過程是對一幅圖畫中的被污染或破壞的區(qū)域進行像素修補填充的過程,該技術(shù)的主要目標為復原被污染或損壞的數(shù)字圖像,最終使得人們在正常的觀看中察覺不到該圖像有曾經(jīng)被污損過的痕跡。無論是在數(shù)字照片處理應用場景,如損壞的數(shù)字人工制品壁畫,歷史照片修復等領域,還是在數(shù)字圖像處理領域高層次的智能理解領域的研究過程中,如圖像識別之前需要將圖中對象刪除或者對內(nèi)容進行完整性修復,該技術(shù)都有非常廣泛的需求。數(shù)字圖像修復問題在數(shù)學領域上是一個不適定逆向的問題,該問題需要人為地設定圖像的先驗條件以定向地引導圖像的自動修復過程,從而制造出一幅在感官上上沒有遭受破壞、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)字圖像先驗條件模型就成了數(shù)字圖像修復技術(shù)的關鍵條件。領域發(fā)展至今,修復技術(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)(Partial Differential Equations);處理面積較大的基于紋理重構(gòu)的技術(shù)。Criminisi算法[19]是該論文的重點研究內(nèi)容,該文中的算法是在Criminisi的基礎上進行改進,對優(yōu)先權(quán)的計算公式、尋找最優(yōu)匹配塊等內(nèi)容進行了改進,并引入了平滑處理,用于克服在修復過程中產(chǎn)生的斷層現(xiàn)象。在尋找優(yōu)先權(quán)最大的樣本塊時,保持數(shù)據(jù)、自信度等不變,再加入梯度項,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像素點之間的差異,使得匹配到的樣本塊與待修復塊之間的可靠信息更多;通過研究過程中發(fā)現(xiàn),基于樣本塊的圖像修復算法經(jīng)常會出現(xiàn)斷層的現(xiàn)象,在視覺上很違和,因而,我們在所有的修復過程結(jié)束后又引入了 FMM平滑處理,使得最后的結(jié)果更加的理想。為驗證算法的有效性,本文對不同類別的圖像進行仿真實驗,其中包含紋理復雜,結(jié)構(gòu)豐富以及曲線多的圖像,所得結(jié)果與Criminisi等算法的結(jié)果圖進行比較,實驗數(shù)據(jù)和實驗效果圖論證了該文中對Criminisi改進的算法的合理性。
[Abstract]:With the development of the times, the spread of artificial intelligence and other technologies is becoming more and more common. As one of the members, digital image intelligent processing technology has been widely used.Digital Image painting is also an important branch of digital image processing. The process of digital image restoration is the process of pixel repair and filling of contaminated or damaged areas in a picture.The main goal of the technique is to restore the contaminated or damaged digital image, which makes the image undetectable in the normal viewing.Whether in the field of digital photo processing applications, such as damaged digital artifact murals, historical photo restoration, or in the field of digital image processing in the field of high-level intelligent understanding of the research process,Such as the need to remove objects or repair the contents before image recognition, this technology has a very wide range of requirements.The problem of digital image restoration is an ill-posed reverse problem in the field of mathematics. This problem needs to set a priori condition of the image artificially to guide the automatic restoration process of the image.To create a sensual, ideologically acceptable processing image.Therefore, how to select a suitable prior condition model of digital image is the key condition of digital image restoration technology.Up to now, according to the area of damaged contaminated area, the restoration technology can be divided into two kinds: partial Differential equationsof small area, and texture reconstruction based on texture reconstruction. Criminisi algorithm [19] is the focus of this paper.In this paper, the algorithm is improved on the basis of Criminisi, the calculation formula of priority is improved, the optimal matching block is found, and the smoothing process is introduced to overcome the fault phenomenon in the repair process.When looking for the sample block with the largest priority, keeping the data, confidence and so on unchanged, adding the gradient term, the sample block with the largest priority is more reliable and avoids the defect caused by less information.After locking the maximum priority sample block, the paper introduces the structural similarity information in the process of searching for the most similar sample block, and measures the relationship between the blocks as a whole, instead of using the difference between each pixel point.Through the research, it is found that the image restoration algorithm based on the sample block often appears the phenomenon of fault, which is very contrary to the harmony in the vision, so,We introduced the FMM smoothing process after all the repair process, making the final result more ideal.In order to verify the validity of the algorithm, this paper carries out simulation experiments on different kinds of images, including images with complex texture, rich structure and many curves. The results obtained are compared with the results of Criminisi and other algorithms.Experimental data and experimental effect diagram demonstrate the rationality of the improved Criminisi algorithm in this paper.
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 于文靜;楊富琴;馮偉國;;圖像修復實驗的設計[J];實驗室研究與探索;2012年06期

2 徐冬青;;計算機圖像修復技術(shù)[J];計算機光盤軟件與應用;2013年10期

3 張勇;;數(shù)字圖像修復關鍵技術(shù)的研究與實現(xiàn)[J];安陽師范學院學報;2014年02期

4 程村;;基于蒙特卡羅方法的圖像修復快速算法[J];工程地球物理學報;2006年01期

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

6 姜瑞;馬利莊;聶棟棟;;一種有效的大面積圖像修復方法[J];計算機應用研究;2006年12期

7 姚曄;韋冰;;圖像修復技術(shù)研究進展[J];企業(yè)技術(shù)開發(fā);2007年04期

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

9 陳芳;葉正麟;王繼紅;;基于統(tǒng)計特征的圖像修復[J];計算機工程與應用;2007年22期

10 段漢根;汪繼文;;基于鄰域濾波的圖像修復[J];計算機技術(shù)與發(fā)展;2007年10期

相關會議論文 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算法[A];浙江省電子學會2011學術(shù)年會論文集[C];2011年

2 史金鋼;齊春;;基于非局域樣本塊的圖像修復算法[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【oral】[C];2011年

3 霍星;檀結(jié)慶;艾小豐;;基于隨機迭代查找的圖像修復算法[A];第六屆全國幾何設計與計算學術(shù)會議論文集[C];2013年

4 李晉江;李孟軍;范輝;;低秩近似圖像修復算法[A];第六屆全國幾何設計與計算學術(shù)會議論文集[C];2013年

5 陳延嘉;莊志軍;王美清;;一種改進的基于樣本的圖像修補方法[A];全國第19屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集（上冊）[C];2008年

6 高軍亮;徐曉剛;王建國;吳晶;;一種基于圖像修復的目標重建算法[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

7 朱曉臨;陳曉冬;朱園珠;陳Z，

本文編號：1748250