[发明专利]基于样本块的旋转及缩放图像修复方法

说明书

本发明公开了一种基于样本块的旋转及缩放图像修复方法：利用局部特征向量的特性，对图像中未破损区域进行关键点的计算；计算破损区域中像素点的优先权，选出具有最高优先权的像素点，以此像素点为中心，根据确定的破损块的尺寸，定义出破损块；对破损块进行关键点的计算，对破损块和未破损区域进行关键点匹配，搜寻最优匹配块；利用匹配到的关键点坐标值确定最优匹配块的边缘轮廓；对最优匹配块进行空间拓展变换；利用拓展后的最优匹配块对破损块进行信息填充；重复上述步骤，直到所有破损块都被修复，输出修复后的图像。对于具有旋转和尺度缩放图像，本发明能够快速准确地获得相关破损块的最优匹配块，获得良好的修复效果。

技术领域

本发明涉及计算机图像处理领域，更具体的说，是涉及一种基于样本块的旋转及缩放图像修复方法。

背景技术

图像修复是图像处理和计算机视觉领域研究的重点之一。图像修复是对受损图像进行修复重建，或者去除图像中的多余物体，同时保证图像原有的视觉效果。目前该技术大体上可以分为两类，一类是针对小区域破损区域的修复方法，另一类是针对大区域破损区域的修复方法。

小区域破损区域的修复通常是基于偏微分方程的图像修复算法，主要是利用热扩散方程建立图像的偏微分方程，并按照一定的规则向待修复区域扩散。大区域破损区域的修复主要是基于纹理合成的修复方法，也是目前图像修复的重点，主要是利用图像破损区域附近完好的纹理信息，对待修复区域进行块匹配和复制，从而达到图像修复的目的。最常见的大区域破损区域的修复算法主要是基于样本块的方法。

传统基于样本块的修复算法在搜索最优匹配块时，大多是通过平移的方式来进行搜索，这种方式可用于处理平移图像，但是当图像存在旋转和尺度变换时，仅通过平移无法获得最优的匹配块。而在信息填充阶段，由于得到的匹配块与待修复块并不是平移关系，此时需要对获得的最优匹配块进行旋转或者尺度缩放的变换，之后才能进行信息的填充。鉴于此，需要找到一种针对旋转和尺度缩放图像最优匹配块搜索方法，以及对图像块进行空间变换的方法。

发明内容

本发明的目的是为了克服现有技术中的不足，提供了一种基于样本块的旋转及缩放图像修复方法，利用局部特征向量的不变性来对破损块的最优匹配块进行搜索，利用改进后的空间能量函数对搜索到的最优匹配块进行变换，使其与破损块的像素信息相一致，从而使信息填充顺利进行，完成图像修复过程。

本发明的目的是通过以下技术方案实现的。

一种基于样本块的旋转及缩放图像修复方法，包括以下步骤：

1)利用局部特征向量的特性，对图像中未破损区域进行关键点的计算、检测和筛选；

2)计算破损区域中像素点的优先权，选出具有最高优先权的像素点，以此像素点为中心，根据确定的破损块的尺寸大小，定义出破损块；

3)对破损块进行关键点的计算、检测和筛选，然后对破损块和未破损区域进行关键点的匹配，搜寻最优匹配块；

4)利用匹配到的关键点的坐标值确定最优匹配块的边缘轮廓；

5)对最优匹配块的空间能量函数进行空间拓展变换：

式中，i_p是像素的相对索引值，表示顺时针旋转θ_n角度，α_n是尺度变换系数，取值为α_n＝0.5，表示顺时针旋转θ_n角度后的像素相对索引值，n是破损区域的像素点，x是未破损区域的像素点，M(x)是以x为中心的经过拓展变换后的最优匹配块，T代表破损区域，MMSE是最小均方差，B_n是以n为中心的破损块，代表水平和垂直方向的梯度信息，λ是权重因子，取值为λ＝0.2；

6)利用拓展后的最优匹配块对破损块进行信息填充；