[发明专利]稀疏度约束和字典原子大小自适应的彩色图像修复方法

说明书

技术领域

本发明属于数字图像修复技术领域，具体一种稀疏度约束和字典原子大小自适应的彩色图像修复方法。

背景技术

传统的图像修复方法分为两类：一类是基于偏微分方程的方法。该方法本质上是一种扩散过程，但在修复大面积区域时存在明显模糊。另一类是基于纹理合成的方法。该方法用匹配块替换待修复块，当找不到匹配块时就会产生错误匹配并延续错误。为了解决贪婪性造成的错误匹配，人们对算法进行了很多改进，但仍然避免不了错误的匹配和加权图像块过多带来的模糊。最近，一种新的图像稀疏表示方法在图像处理领域得到重视，许多学者将稀疏理论运用到图像修复的方法中。

同时研究发现，在传统稀疏表示的图像修复算法中，字典原子大小往往是固定不变的，在修复纹理区域时，会因字典原子过大产生模糊的现象，而在修复平滑区域时，会因字典原子过小导致区域的延伸，从而影响图像修复效果；其次，RGB颜色模型三通道间的相关性以及其结构复杂性导致修复效果的不理想，图像修复过程中较少考虑修复块的优先顺序会使得结构边缘修复效果不理想。

备注：为了比较本发明算法的优越性，与下列相关修复算法进行了比较。

修复算法[1]：M,Kopriva I,Cichocki A.Inpainting color images in learned dictionary[C].Signal Processing Conference (EUSIPCO),2012 Proceedings of the 20th European.IEEE,2012: 66-70.

修复算法[2]：Huang W,Wang S W,Yang X P,et al.Dunhuang murals in-painting based on image decomposition[J].Shandong Daxue Xuebao (GongxueBan),2010,40(2):24-27.

修复算法[3]：Xu Z,Sun J.Image inpainting by patch propagation using patch sparsity[J].Image Processing,IEEE Transactions on, 2010,19(5):1153-1165.

发明内容

本发明的目的是针对现有技术的不足，为了较好地修复图像的结构信息，采用待修复块的结构稀疏性大小和边缘判别因子来调整修复优先权，通过分析修复块位于纹理、边缘、平滑等不同区域的结构信息，自适应确定字典原子的大小，提供一种稀疏度约束和字典原子大小自适应的彩色图像修复方法。

本发明解决其技术问题所采取以下技术方案：

将彩色图像从RGB颜色空间映射到YUV颜色空间分层进行修复，这样在分别对三个分量修复时，可消除分量之间相关性对修复产生的干扰；引入优先权决定待修复块的修复的先后顺序。由于图像的点、线结构具有稀疏性，与邻域相似度较低，可以采用结构稀疏度来定义优先级，确定图像的边缘修复要优先于纹理区域的修复；结合结构稀疏性和边缘判别因子自适应选择字典原子大小，并采用K-SVD方法完成字典的训练，以保字典原子的具有自适应性。具体实现步骤如下：

步骤1、RGB颜色空间到YUV颜色空间的映射

先利用RGB颜色模型与YUV颜色模型之间的转化公式，将图像从RGB 空间映射到YUV空间。为了克服RGB颜色模型三通道间的相关性以及其结构复杂性导致修复效果的不理想，本发明在YUV颜色空间对破损图像进行修复。YUV模型是用亮度和色度来表示颜色信息，其中，Y表示亮度，U和 V表示色度，三分量之间彼此相互独立。YUV模型中的亮度Y与RGB模型中的R、G、B三个颜色分量的转换关系可以表示为：

Y＝0.3R+0.59G+0.11B(1)

色度信息U和V是由B-Y、R-Y按照不同的比例混合而成的，Gamma校准之后其模型之间的转化公式为:

步骤2、确定结构稀疏度及待修复块的修复顺序，实现对Y、U、V分量进行修复,具体如下：

采用Sobel算子对图像待修部分的边缘进行提取，然后确定结构稀疏度及待修复块的修复顺序。

为了确定图像的边缘修复要优先于纹理区域的修复。利用图像的点、线结构具有稀疏性与邻域相似度较低的特点，采用结构稀疏度来定义优先级。

设待修复图像I，破损区域Ω，源区域修复边界以点p为中心的待重构块Ψ_p。块结构稀疏度S(p)，其定义为：