[发明专利]一种结合方向因子的样本块稀疏性图像修复方法

说明书

技术领域

本发明涉及基于样本块的图像修复方法，特别涉及基于样本块稀疏性的图像修复方法。

背景技术：

数字图像修复是根据破损图像内的已知信息，按照一定的规则对破损区域进行修补的一门技术，其目的是使观察者无法察觉图像曾经破损或者已被修复。随着数字图像处理技术的发展，数字图像修复技术成为当前计算机图形学和计算机视觉的一个研究热点，在文物保护，影视特技制作，图像有损压缩，特定物体移除等方面具有重大的应用价值。目前数字图像修复技术主要分为两类：基于扩散的图像修复算法和基于样本块的图像修复算法。

文献1(Criminisi A，Perez P，Toyama K.Region filling and object removal by exemplar-based image inpainting.IEEE Transactions on Image Processing.2004，13(9)：1200-1212.)是基于样本块的图像修复算法的代表性方法，其基本思想是先计算破损区域边界上所有点的优先权，然后以最大优先权值的像素点为中心选择合适的样本块作为待填充块，其次在已知区域内寻找与待填充块最相似的样本块，将其信息复制给待填充块，最后更新填充区域，重复上述过程直至破损区域完全被填充。该方法能较好的修复纹理区域，但因填充顺序不稳定，不能很好的保持结构部分的连贯性，且在填充时仅利用最相似的匹配块的信息，易产生块效应与接缝效应。

近几年，研究学者利用样本块稀疏性提出图像修复算法：(1)文献2(XuZ B and Sun J.Image inpainting by patch propagation using patch sparsity[J].IEEE Transactions on Image Processing，2010.19(5)：1153-1165.)根据结构块在其局部邻域内的稀疏性构造块结构稀疏度函数，然后利用结构稀疏度确定填充顺序，并将多个匹配块的稀疏表示信息作为填充信息填充到待修复区域中。(2)文献3(史金刚，齐春.一种双约束稀疏模型图像修复算法[J].西安交通大学学报.2012，46(2)：6-10)提出一种双约束稀疏模型图像修复算法，利用线性嵌入方法估计待填充块中未知区域的信息，将估计信息与待填充块中已知信息作为稀疏逼近的目标(3)申请人(文献4：李志丹，和红杰，尹忠科等.基于结构稀疏度的自适应样本块图像修复算法[J].电子学报，2013，41(3)：549-554.)也提出了一种基于结构稀疏度的自适应样本块图像修复算法，根据结构稀疏度值自适应确定待填充块大小，邻域一致性约束的权重系数与局部搜索窗口大小。

上述三种方法均是将多个块的稀疏表示信息填充到待修复区域中去，能够削弱块效应和接缝效应。上述三种方法均仅利用颜色信息衡量样本块之间的相似性，不仅使得寻找到的匹配块不够合理，且对于构造结构稀疏度函数时也造成负面影响。文献3仍然采用文献1中的优先权计算方法，填充顺序不够稳定，不能很好的保持结构部分的连贯性。文献2与文献4虽是利用结构稀疏度函数确定填充顺序，但结构稀疏度函数是由相似度函数及待填充块的邻域内已知块所占比例确定的，不仅相似度函数不够合理，而且当结构块的邻域内已知块较少时，结构稀疏度值较小，不能优先填充结构块。而且上述三种方法均仅在颜色空间建立邻域一致性约束，不能很好的保持修复图像纹理区域与结构区域的清晰性，存在一定的模糊效应。因此如何构造稳定的填充顺序，合理的匹配准则及约束方程，是提高样本块稀疏性图像修复质量必须解决的关键问题。

发明内容

为克服现有基于样本块的图像修复技术存在的技术问题，本发明提供一种结合方向因子的样本块稀疏性图像修复方法，该方法能够有效地保持结构部分的连贯性，纹理部分的清晰性及与邻域信息的连续一致性，使得修复后图像与原始图像更为接近、更加自然，更符合人眼视觉要求，尤其适合具有复杂纹理和结构特征的真实照片或合成图像的修复。

本发明解决其技术问题所采用的技术方案是：一种结合方向因子的样本块稀疏性图像修复方法，包括以下步骤：

A、预处理：将含待修复区域Ω的待修复图像I，利用基于颜色信息的结构稀疏度的自适应样本块图像修复算法进行修复，得到预处理图像I’；同时，划分待修复图像I中待修复区域Ω的填充边界δΩ，将待修复图像I的待修复区域Ω内各像素点r的置信度值C(r)初始化为0，已知区域内各像素点r的置信度值C(r)初始化为1；