[发明专利]一种古籍图像修复方法、终端设备及存储介质

说明书

本发明涉及一种古籍图像修复方法、终端设备及存储介质，该方法中包括：S1：构建基于形态学分解的古籍图像恢复模型；S2：利用交替乘子迭代法，引入辅助变量Qsubgt;0/subgt;、Qsubgt;1/subgt;、Qsubgt;2/subgt;，令并引入辅助变量Qsubgt;0/subgt;、Qsubgt;1/subgt;、Qsubgt;2/subgt;对应的拉格朗日乘子二次惩罚项和二次惩罚项系数λsubgt;0/subgt;、λsubgt;1/subgt;、λsubgt;2/subgt;，将对步骤S1中公式的求解转换为对Fsubgt;C/subgt;、Fsubgt;T/subgt;、Qsubgt;0/subgt;、Qsubgt;1/subgt;、Qsubgt;2/subgt;、的求解；S3：针对古籍图像恢复模型进行迭代训练，在每次迭代中，通过对Fsubgt;C/subgt;、Fsubgt;T/subgt;、Qsubgt;0/subgt;、Qsubgt;1/subgt;、Qsubgt;2/subgt;、分别求解来计算当前迭代的修复后图像F，进而计算是否成立，如果成立，则输出当前迭代时的修复后图像Fsupgt;(k+1)/supgt;。本发明提出了基于形态学成分分析和Lp伪范数的古籍图像修复模型，然后引入交替乘子迭代法将提出模型分解为若干去耦合的子问题再进行求解，能够较好地修复古籍图像。

技术领域

本发明涉及图像分析领域，尤其涉及一种古籍图像修复方法、终端设备及存储介质。

背景技术

中华文化底蕴浓厚，遗留古籍众多。浩如烟海的古籍不仅是中华上下五千年文化的传承，更是炎黄子孙宝贵的精神财富。古籍不仅能直观地体现出古代中华的繁荣程度，还能让后世了解到中华文明的发展脉络。但由于历史悠久，导致古籍受到霉变虫蛀等破坏，且古籍保存技术有限，导致大量古籍亟待修复。

常见古籍图像修复去除方法有：基于中值滤波的恢复方法、基于全变分模型的恢复方法、基于神经网络的恢复方法、基于小波变换的恢复方法等。基于中值滤波器(MedianFilter，MF)及其改进的恢复算法将污染源用相邻像素点的中值或者均值代替，该方法容易扭曲图像的结构，使图像衔接不顺滑。基于全变分(Total Variation，TV)模型在图像恢复方面得到了广泛的应用，该方法虽然能较好地保护图像的边缘部分，但在处理图像平滑区域时易产生“阶梯效应”。随着深度学习理论的发展，各种基于神经网络的模型被广泛应用于图像恢复，但该类方法较依赖大样本数据集，训练成本较高。基于小波变换的图像恢复方法将信号视为小波字典的稀疏表示，由于冲击噪声具有随机发生的特点，不能被小波字典稀疏表示，利用这一特点可有效将噪声去除。然而，小波变换中的下采样操作会导致重构信号存在明显的“块效应”，同时小波变换仅有一个高通分析滤波器，对信号纹理细节的刻画能力不足。近年来，基于小波变换的图像恢复方法有了新的研究进展。现有技术中为解决小波变换下采样导致的“块效应”问题，将平稳小波变换应用于图像恢复中；为解决小波变换对细节刻画能力不足的问题，将Framelet变换应用到图像恢复中，该变换相比于小波变换增加一个高通分析滤波器，能更好地刻画信号细节。

上述工作通常将被污染图像理解为原始图像和污染源的和，这种做法的弊端在于去除污染源的同时可能破坏图像的高频纹理信息。

发明内容

为了解决上述问题，本发明提出了一种古籍图像修复方法、终端设备及存储介质。

具体方案如下：

一种古籍图像修复方法，包括以下步骤：

S1：构建基于形态学分解的古籍图像恢复模型：