[发明专利]一种度量图像/图像块相似性的方法

说明书

本发明涉及一种度量图像/图像块相似性的方法，包括：S1：获取两幅三维空域图像，分别记为V和W；S2：利用三维紧框架对三维空域图像V和W进行分解，得到若干子带；S3：计算V和W的各高频子带对应的拉普拉斯概率，并对该子带进行加权；S4：记待度量相似性的两个图像块为X与Y，分别从V与W的低频与高频子带的每个通道上取出图像块X和Y对应的数据块，并计算数据块的统计量；S5：根据数据块的统计量计算X和Y在各个子带的各通道上的相似性；S6：计算X和Y在各个子带的各通道的相似性的平均值，作为X与Y的相似性。本发明所述方法可有效提升图像/图像块相似性度量的准确度，可提升图像修复质量。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种度量图像/图像块相似性的方法。

背景技术

图像修复(Image Inpainting)是一种填充图像缺失区域的技术，追求自然一体的修复结果，使得观察者无法分辨出改动过的图像内容或区域。基于图像块的图像修复(Patch-Based Image Inpainting)是图像修复中的一类方法，将图像划分成多个大小相同的图像块(图像块之间允许存在重叠)，以图像块为基本单位进行图像块匹配、缺失像素填充等，以达到图像修复的目的。

在基于图像块的图像修复中，图像块匹配是其中的关键步骤。在进行图像块匹配时，如果图像块的相似性度量性能差，就有可能匹配到错误的图像块内容并填补到缺失区域，进而影响到后续的图像修复过程，导致最终的修复结果存在较为明显的伪影。

结构纹理相似性度量(Structural texture similarity metrics)，其中使用steerable filter decomposition将灰色图像分解成多个子带，在各个子带上计算对应的统计量(均值、方差、水平自相关以及垂直自相关)，通过计算两幅图像各个子带的统计量之间的相似性，作为图像的相似性。

目前，度量图像或图像块相似性一般采用可控滤波器分解(Steerable filterdecomposition)进行度量，Steerable filter decomposition是用于二维图像的特征分解的，若将其应用在彩色图像时，则需要对彩色图像的各个通道分别进行分解。其分解图像的过程呈金字塔式，提取多层图像特征时，存在下采样的行为，即分解出来的第一层子带与原图大小一致，第二层的子带就只有原图的1/4，以此类推。Steerable filterdecomposition最大的问题是只能对灰色图像进行特征分解，应用于彩色图像时，忽略了各个通道之间的内在相关性。

现有的图像块的相似性度量都是针对二维图像设计的，如直接计算图像块之间的欧几里德距离；或是使用二维图像特征提取方法对图像作分解，基于提取出来的特征进行图像块匹配。对于彩色图像而言，现有的方法将图像的各个通道看成是独立的信息，忽略或者没有充分考虑彩色图像各个通道的内在相关性。

发明内容

本发明为克服上述现有技术所述的图像/图像块的相似性度量准确度低的缺陷，提供一种度量图像/图像块相似性的方法。

所述方法包括以下步骤：

S1：获取两幅三维空域图像，分别记为V和W；

S2：利用三维紧框架对三维空域图像V和W进行分解，得到若干子带，所述子带包括高频子带和低频子带；

S3：计算V和W的各高频子带对应的拉普拉斯概率；使用该拉普拉斯概率对该高频子带进行加权，即使用拉普拉斯概率与其对应的通道信息进行点乘；

S4：记待度量相似性的两个图像块为X与Y，分别从V与W的低频与高频子带的每个通道上取出图像块X和Y对应的数据块，并计算数据块的统计量；

S5：根据数据块的统计量计算X和Y在各个子带的各通道上的相似性；

S6：计算X和Y在各个子带的各通道的相似性的平均值，作为X与Y的相似性。