【摘要】：為了解決含有豐富紋理信息和復雜結(jié)構(gòu)信息的大破損區(qū)域中的缺失信息修復的問題,提出了一種劃分特征子區(qū)域的圖像修復算法。首先,根據(jù)圖像中包含的不同特征,運用特征公式進行特征提取,再通過統(tǒng)計特征值劃分特征子區(qū)域,提高了圖像修復的速度;其次,在原Criminisi算法的基礎上改進了優(yōu)先級的計算,通過增大結(jié)構(gòu)項的影響,避免結(jié)構(gòu)斷裂的產(chǎn)生;然后,通過目標塊和其最佳鄰域相似塊共同約束樣本塊的選取,確定最佳樣本塊集;最后,利用權(quán)值分配法合成最佳樣本塊。實驗結(jié)果表明,所提算法相比原Criminisi算法,其峰值信噪比(PSNR)提升了2~3 d B,相比基于稀疏表示的塊優(yōu)先權(quán)值計算的算法,其修復效率有明顯的提高。所提算法不但適用于一般小尺度的破損圖像的修復,而且對于含有豐富紋理信息和復雜結(jié)構(gòu)信息的大破損圖像的修復效果也更佳,并且修復后的圖像更加符合人們視覺上的連通性。
[Abstract]:In order to solve the problem of repairing the missing information in large damaged regions with rich texture information and complex structure information, an image restoration algorithm is proposed to divide the feature sub-regions. First of all, according to the different features contained in the image, the feature formula is used to extract the feature, and then the statistical eigenvalue is used to divide the feature sub-region to improve the speed of image restoration. On the basis of the original Criminisi algorithm, the priority calculation is improved, and the structure fracture is avoided by increasing the influence of the structure item, and then the optimal sample block set is determined by the selection of the sample block constrained by the target block and its optimal neighborhood similar block. Finally, the weight distribution method is used to synthesize the best sample block. The experimental results show that compared with the original Criminisi algorithm, the proposed algorithm improves the PSNR (PSNR) by 2dB, and improves the repair efficiency of the proposed algorithm compared with the algorithm based on sparse representation of block priority value. The proposed algorithm is not only suitable for repairing small scale damaged images, but also better for large damaged images with rich texture information and complex structure information. And the restored images are more in line with the visual connectivity of people.
【作者單位】： 西南交通大學信息科學與技術(shù)學院;西藏大學工學院;
【基金】：國家自然科學基金資助項目(61461048)~~
【分類號】：TP391.41

【相似文獻】

相關(guān)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(guān)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 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

6 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

7 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

8 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

9 汪志敏;;試論數(shù)字圖像修復技術(shù)[J];張家口職業(yè)技術(shù)學院學報;2007年04期

10 葛仕明;程義民;潘浩;錢振興;;基于離散優(yōu)化的圖像修復[J];中國科學技術(shù)大學學報;2008年12期

相關(guān)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：2148425