本文關(guān)鍵詞：基于偏微分方程的數(shù)字圖像修復(fù)算法研究

  更多相關(guān)文章： 數(shù)字圖像修復(fù) 偏微分方程 擴(kuò)散 樣本

【摘要】：數(shù)字圖像修復(fù)指的是根據(jù)圖像的已知區(qū)域的信息來(lái)恢復(fù)其丟失或損壞的區(qū)域。近年來(lái),隨著數(shù)字圖像修復(fù)技術(shù)在圖像文本去除、大目標(biāo)移除和視頻錯(cuò)誤隱藏等問(wèn)題中的廣泛應(yīng)用,該項(xiàng)技術(shù)已經(jīng)成為國(guó)內(nèi)外圖像工作者的關(guān)注要點(diǎn)和研究熱點(diǎn)。在數(shù)學(xué)上,由于缺少足夠的圖像的先驗(yàn)信息,數(shù)字圖像修復(fù)被認(rèn)為是一個(gè)沒(méi)有定解的病態(tài)問(wèn)題。為解決這個(gè)問(wèn)題,有必要對(duì)圖像做出各種先驗(yàn)假設(shè)。根據(jù)先驗(yàn)假設(shè)的不同,可以將圖像修復(fù)方法分為基于擴(kuò)散的修復(fù)方法和基于紋理合成的修復(fù)方法�；跀U(kuò)散的修復(fù)方法以圖像的平滑性為先驗(yàn)假設(shè),通過(guò)建立和求解偏微分方程傳播圖像的結(jié)構(gòu)信息,其中被研究得最多的是BSCB模型和TV模型;基于紋理合成的修復(fù)方法以圖像的自相似性為先驗(yàn)假設(shè),通過(guò)在圖像的已知區(qū)域搜索和復(fù)制最佳匹配樣本塊完成修復(fù),其中偏微分方程約束下的基于樣本的修復(fù)模型在修復(fù)效率和效果上優(yōu)勢(shì)明顯。本文在分析上述修復(fù)模型的原理的基礎(chǔ)上,對(duì)它們的修復(fù)效果做了仿真實(shí)驗(yàn),并且對(duì)經(jīng)典模型中存在的問(wèn)題提出了一些改進(jìn)和創(chuàng)新,主要有:(1)本文在p-Laplace模型的基礎(chǔ)上,改進(jìn)其擴(kuò)散因子得到一種自適應(yīng)的變分修復(fù)模型。通過(guò)分析改進(jìn)模型的擴(kuò)散特性證明隨著擴(kuò)散因子大小的自適應(yīng)調(diào)節(jié),該模型可以在TV模型和熱擴(kuò)散模型之間切換。在圖像的平坦區(qū)域,該模型近似于熱擴(kuò)散模型,能有效避免TV模型的階梯效應(yīng);在圖像的邊緣區(qū)域,該模型近似于TV模型,能有效保持圖像的銳利邊緣。仿真結(jié)果表明,本文改進(jìn)后的模型對(duì)比TV模型在收斂速度和PSNR方面都有所提升。(2)本文指出了基于樣本的修復(fù)模型存在的一些不足之處,并提出了一些改進(jìn)的方法:為了保證修復(fù)優(yōu)先級(jí)計(jì)算式的魯棒性,采用置信項(xiàng)和數(shù)據(jù)項(xiàng)的加權(quán)代替乘積;為了保證最佳匹配樣本塊的精確性,采用結(jié)構(gòu)相似度代替誤差的平方和作為樣本塊的相似性的度量方法;為了保證修復(fù)圖像的視覺(jué)連通性,在樣本復(fù)制完成后對(duì)破損區(qū)域邊界做平滑濾波以消除接縫效應(yīng)。仿真結(jié)果表明,本文提出的改進(jìn)模型具有更好的傳播圖像結(jié)構(gòu)信息的能力,修復(fù)的結(jié)果更加自然。以上就是本文圍繞數(shù)字圖像修復(fù)技術(shù)所做的研究工作,數(shù)字圖像修復(fù)與我們的生活息息相關(guān),值得我們深入研究。
【關(guān)鍵詞】：數(shù)字圖像修復(fù) 偏微分方程 擴(kuò)散 樣本
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41;O175.2
，

本文編號(hào)：843385