針對基于樣本的圖像修復(fù)算法,在修復(fù)破損區(qū)域周圍既包含較豐富的紋理信息又包含較豐富的幾何結(jié)構(gòu)信息時(shí),由于不能很好地區(qū)分破損圖像的紋理信息和幾何結(jié)構(gòu)信息而造成紋理錯(cuò)誤延伸,致使修復(fù)結(jié)果出現(xiàn)結(jié)構(gòu)斷裂的問題。本文將圖像的先驗(yàn)知識和輪廓特征以合理地方式引入到圖像修復(fù)過程中,并以PatchMatch算法和Criminisi算法為例,提出了兩種改進(jìn)算法:首先,針對PatchMatch算法采用隨機(jī)的方式來初始化圖像的偏移映射以及利用相似最近鄰的傳播方式所造成的誤匹配問題,本文將圖像的紋理信息和幾何結(jié)構(gòu)信息等圖像先驗(yàn)知識引入到PatchMatch算法對圖像偏移映射的初始化中,將原算法的隨機(jī)初始化改進(jìn)為在圖像先驗(yàn)知識約束下初始化,并引入能夠區(qū)分圖像幾何結(jié)構(gòu)信息和紋理信息的相似性度量公式來測量兩個(gè)圖像塊之間的相似性,以提高算法的匹配精度。同時(shí),引入相似塊統(tǒng)計(jì)特性來裁剪用于修復(fù)的樣本標(biāo)簽,以降低由于計(jì)算圖像先驗(yàn)知識約束而造成的算法運(yùn)算量增大的問題,提高算法的運(yùn)行效率。最后,將梯度因子引入到算法的平滑項(xiàng)中以提高算法對結(jié)構(gòu)信息敏感度,使得修復(fù)結(jié)果具有更好的結(jié)構(gòu)一致性。其次,針對基于樣本的修復(fù)算法在保持圖像結(jié)構(gòu)一致性方面有所欠缺,本文對基于輪廓重構(gòu)的修復(fù)算法進(jìn)行了改進(jìn)。該改進(jìn)以圖像的全局自相似性的圖像先驗(yàn)知識為依據(jù),充分分析和利用圖像輪廓特征來指導(dǎo)破損區(qū)域的輪廓重構(gòu),以恢復(fù)破損區(qū)域的輪廓信息,使得修復(fù)結(jié)果更好地滿足視覺一致性。與此同時(shí),引入輪廓豐富度來改進(jìn)Criminisi算法的優(yōu)先權(quán),以保證破損區(qū)域邊緣處的結(jié)構(gòu)信息以合理的方式傳播到破損區(qū)域內(nèi)部。在樣本塊的搜索匹配方面,本文利用圖像的輪廓信息來約束匹配塊的搜索范圍以提高算法的匹配精度。最后,通過仿真實(shí)驗(yàn)結(jié)果表明,在主觀評價(jià)指標(biāo)上,本文提出的改進(jìn)算法修復(fù)效果相比于其它同類改進(jìn)算法更能滿足人類的視覺連通性要求。在客觀評價(jià)指標(biāo)上,本文提出的改進(jìn)算法相比于其它同類改進(jìn)算法具有更高的峰值信噪比PSNR(Peak Signalto-Noise Ratio)和更大的結(jié)構(gòu)相似性SSIM(Structural Similarity)。
【學(xué)位單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41
【部分圖文】：

圖 1-1 老舊照片和圖像中多余文字移除物字畫的修復(fù)：由于受自然環(huán)境或者人為的一些因素影響，一損的現(xiàn)象（如圖 1-2 a）、c）所示），利用數(shù)字圖像修復(fù)就是可字畫（如圖 1-2 b）、d）所示）。a）老照片b）修復(fù)后的照片 c）文字照片d）移除文字后

圖 1-3 目標(biāo)移除或隱藏糊：數(shù)字圖像在傳輸過程中，由于數(shù)字設(shè)備的原因，往往受到噪聲的污染，從而造成圖像模糊（如圖 1-4 a）所示），術(shù)，可以很好地起到圖像去噪，恢復(fù)或提高圖像的清晰度a）原圖像 b）目標(biāo)移除圖像

圖像超分辨率放大
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李志丹;和紅杰;尹忠科;陳帆;;基于Curvelet方向特征的樣本塊圖像修復(fù)算法[J];電子學(xué)報(bào);2016年01期

2 王猛;翟東海;聶洪玉;王佳君;;鄰域窗口權(quán)重變分的圖像修復(fù)[J];中國圖象圖形學(xué)報(bào);2015年08期

3 李志丹;和紅杰;尹忠科;陳帆;仁青諾布;;基于塊結(jié)構(gòu)稀疏度的自適應(yīng)圖像修復(fù)算法[J];電子學(xué)報(bào);2013年03期

4 任澍;唐向宏;康佳倫;;利用紋理和邊緣特征的Criminisi改進(jìn)算法[J];中國圖象圖形學(xué)報(bào);2012年09期

5 吳曉軍;李功清;;基于樣本和線性結(jié)構(gòu)信息的大范圍圖像修復(fù)算法[J];電子學(xué)報(bào);2012年08期

6 孟春芝;何凱;焦青蘭;;自適應(yīng)樣本塊大小的圖像修復(fù)方法[J];中國圖象圖形學(xué)報(bào);2012年03期

7 李晉江;張彩明;范輝;原達(dá);;基于分形的圖像修復(fù)算法[J];電子學(xué)報(bào);2010年10期

8 胡正平;劉文;許成謙;李杰;;局部自適應(yīng)學(xué)習(xí)基稀疏約束結(jié)合信息優(yōu)先權(quán)選擇擴(kuò)散的迭代圖像修復(fù)算法研究[J];儀器儀表學(xué)報(bào);2010年03期

9 趙顏偉;李象霖;;一種基于TV模型的快速圖像修復(fù)算法[J];微電子學(xué)與計(jì)算機(jī);2009年06期

10 張紅英;彭啟琮;;數(shù)字圖像修復(fù)技術(shù)綜述[J];中國圖象圖形學(xué)報(bào);2007年01期

相關(guān)博士學(xué)位論文 前1條

1 張健;基于稀疏表示模型的圖像復(fù)原技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前2條

1 岳曉菊;基于樣圖的紋理合成算法的研究及應(yīng)用[D];西北大學(xué);2010年

2 林云莉;數(shù)字圖像修復(fù)算法的研究[D];華南理工大學(xué);2010年

本文編號：2841612