论文部分内容阅读
数字图像修复是修复图像中破损区域的处理过程,目的是尽量恢复出来图像原来的样子。该技术是数字图像处理里的一个重要方面,是现在热点研究的计算机图形学、计算机视觉和图像处理的领域之一。目前,数字图像修复中的基于偏微分方程的图像修复算法技术一般对划痕、污渍和文字等小目标区域的修复有较好的修复效果,而基于纹理合成的修复算法则在对大面积的破损区域的修复过程中,取得了较好的效果。论文首先研究了基于变分泛函PDE模型的三种典型的图像修复算法。该算法适用于破损区域较小的修复。(1) BSCB模型,该模型根据PDE方程将生成的信息慢慢的延伸到要修复的破损区域中,逐渐完成修复。 (2)TV模型,该模型也是基于PDE方程来建立数学模型,由于它在延伸信息时采用各向异性,所以它的主要优点是能够保持边缘,在一定程度上比BSCB模型的修复效果好一点。(3)CDD模型,CDD模型将表征等照度线几何信息的标量曲率引入传统TV模型的传导系数,使得扩散在大曲率处变强,在小曲率处逐渐消失,弥补了TV模型有时在修复不能保证图像的联通性的缺点,而且该模型能更好地连接破损的细小边缘,对于裂痕较长的破损区域也能很好的连接。然后,论文研究了用基于纹理合成的图像修复算法,该算法适用于图像的破损区域面积比较大的修复。本文研究了几种基于纹理合成的修复方法,重点研究了Criminisi提出的基于样本的修复算法,提出了一种新的基于纹理合成的数字图像修复算法。本算法通过对Criminisi算法的改进,通过确定边界像素点的优先权,并给像素点赋以相应的权值,使之较为合理的顾及到了图像的边缘特征,同时,算法还考虑到图像的结构信息和纹理细节,避免了传统修复算法在修复较大破损区域时所产生的不必要的差错修复。然后,算法在寻找匹配块的时候采用多样本合成的方法,再结合图像直方图信息、图像梯度信息综合判断找到的匹配块是否为最佳匹配块,从而减少了图像在修复时产生的误匹配现象,也减少了边缘处的修复时连续错误。本文通过MATLAB编程对各种算法进行调试,并且比较了几种算法在图像修复后的结果,验证了本文算法的可行性。