[发明专利]一种基于纹理和边缘特征的Criminisi图像修复方法

摘要

本发明公开了一种基于纹理和边缘特征的Criminisi图像修复方法。本发明通过对纹理结构特征与边缘结构特征的分析，在优先权模型中引入增强对结构部分辨别能力的差别因子来优化优先权的计算。本发明能够有效抑制纹理部分的优先修复，防止纹理部分向边缘部分过分延伸而导致的图像线性结构破坏。

主权项

一种基于纹理和边缘特征的Criminisi图像修复方法，其特征在于：步骤1：计算被分割图像块的均值差值和方差差值，具体是：将待修复图像块ψp沿np方向进行分割，使得ψp被分割为大小均匀的两个块，然后分别对两个块的已知像素点求均值，记为E1(p)和E2(p)；方差，记为F1(p)和F2(p)），以及归一化后的均值差δE(p)＝(E1(p)‑E2(p))/α和方差差值δF(p)＝(F1(p)‑F2(p))/α；其中，α是归一化参数；归一化后的均值差值和方差差值可以有效判断破损区域是否处于边缘，纹理或平滑区域；步骤2：引入差别因子E(p)，具体是： E ( p ) = | E 1 ( p ) - E 2 ( p ) | α , δE ( p ) ≥ β | F 1 ( p ) - F 2 ( p ) | 0.1 × α 2 , δE ( p ) < β - - - ( 1 ) 其中，α是归一化参数，β为常数；步骤3：将差别因子和结构置信度相结合，修改优先权模型P(p)，具体是： λ ( p ) = 0.7 ~ 0.9 E ( p ) ≥ 3 × mean ( E ( p ) ) 0.4 ~ 0.6 E ( p ) < 3 × mean ( E ( p ) ) and E ( P ) ≥ mean ( E ( p ) ) - - - ( 3 ) 0.1 ~ 0.3 else 其中，mean(E(p))是差别因子E(p)的均值；步骤4：改进匹配搜索方式，具体是：在Criminisi算法全局搜索的基础上，附加一个搜索条件：如果搜索到的匹配块的中心点距离与待修复块的中心点距离过大，则暂停对该修复块的修复，将修复目标转为次优先级的修复块，若仍旧发生相同情况，则继续转移 P ( p ) = C ( p ) · ( ( 1 - λ ( p ) ) · D ( p ) + λ ( p ) · E ( p ) ) - - - ( 2 ) 其中，λ(p)的取值取决于待修复图像的不同修复部分；λ(p)取较大值，弱化纹理部分对边缘部分的影响，防止纹理部分向边缘部分的延伸；λ(p)取较小值，降低E(p)对非边缘部分优先级的影响，以修复平滑部分；λ(p)的定义如下： 修复目标，转移次数上限为3次，即当转移3次之后，在搜索过程中忽略该条件；步骤5：根据改进的搜索方式和优先权模型，完成图像修复工作，具体是：根据改进的搜索方式和优先权模型，采用图像块匹配的方法，从图像的修复边界开始从外向内逐步完成图像修复工作。