[发明专利]一种基于低秩张量补全与离散全变分的图像修复方法

摘要

本发明公开了一种基于低秩张量补全与离散全变分的图像修复方法，该方法引入离散全变分正则项因子整合到统一的目标函数中，提出基于低秩张量补全与离散全变分的方法，来用作自然图像修复，并且识别输入损坏图像的待修复像素，并通过建立已知元素和未知元素之间的关系，对待修复区域的边界进行不同方向的扩散，将未破损区域的信息扩散到待修补的区域的内部来对图像进行修复，最终得到修复后的图像本申请的图像修复方法在边缘处理上更加平滑，整体图像修复也更加精准。

主权项

1.一种基于低秩张量补全与离散全变分的图像修复方法，其特征在于，所述基于低秩张量补全与离散全变分的图像修复方法，包括：步骤1、获取不完全张量即破损图像，确定破损图像中待修复区域的所有未知像素点的集合Ω；步骤2、以低秩张量补全模型为框架，引入TV^d正则项和Schatten‑p范数，构建基于低秩张量补全与离散全变分的图像修复模型，所述的图像修复模型为：式中，表示输出的恢复张量，表示输入的不完全张量，且N表示张量的维度，β_i为0或1，λ_i表示平衡参数，TV^d(D_(i)M_(i))和||M_(i)||_sp为正则项，M_(i)表示张量展开后的第i层矩阵，[D_(i)]_j,j＝1，[D_(i)]_j,j+1＝‑1，D_(i)中的其他元素为0；步骤3、引入辅助变量和将对所述图像修复模型中的求解转化为对的求解，将对所述图像修复模型中的求解转化为对的求解；步骤4、采用CP算法迭代优化所述辅助变量采用ADMM算法求解所述图像修复模型中的R子问题、M子问题和子问题，以更新辅助变量未知变量恢复张量步骤5、判断是否达到预设的迭代次数，若达到预设的迭代次数，则输出最新的恢复张量即修复后的图像；若未达到迭代次数，则进入步骤4继续迭代。