一种基于局部结构特征的图像合成修复方法
【技术领域】
[0001] 本发明设及图像处理领域，具体设及一种基于局部结构特征的图像合成修复方 法。
【背景技术】
[0002] 图像修复是图像处理的主要内容之一，主要包括结构图像的修复和纹理图像的修 复，修复方法大致分为两类；一类是基于偏微分方程的图像修复方法，另外一类是基于纹理 合成的图像修复方法。
[0003] 在基于纹理合成的图像修复方法中，又可分为两类：一种是基于分解的方法，另外 一种是基于样例的纹理合成修复方法，而在基于样例的纹理合成修复方法中，其代表算法 为基于等照度线驱动的化iminisi算法，化iminisi算法是首先通过优先级公式来确定最 先得到修复的图像块，再在全局范围内依据颜色匹配准则来捜索最优目标块来填充缺损区 域。但是，随着修复过程的进行，优先级设定的数据项会迅速下降，而置信度项则开始增大， 使得优先级的计算不可靠，导致错误的填充次序；且所采用的全局捜索方式，时间复杂度会 比较高；另外，匹配准则只是采用颜色距离来确定最优匹配块，最终会产生多个目标块，而 针对该些多个目标块himinisi算法又是采用随机选取目标块的方式，该样就增大图像的 错误匹配率。最终表现在图像上的缺陷就是图像结构保真度不足，图像修复质量差。
【发明内容】
[0004] 本发明提供了一种基于局部结构特征的图像合成修复方法，对纹理结构比较复杂 的破损图像能够提高图像修复准确率。
[0005] 本发明解决上述技术问题的技术方案如下：一种基于局部结构特征的图像合成修 复方法，包括W下步骤：
[0006] 步骤1，输入一幅待修复图像，记为u(x，y)，X，y分别为待修复图像在X，y方向上 的坐标；
[0007] 步骤2,对所述待修复图像中的所有像素点的置信度初始化；具体如下：
[0008]
[0009] 式中，P'为所述待修复图像中的像素点；C(p'）为像素点P'的置信度；Q为所述 待修复图像中的受损区域，〇为所述待修复图像中的未受损区域；V为取任意值；Vp'eQi 指在所述待修复图像中的受损区域取任意像素点；Vp'E?指在所述待修复图像中的未受 损区域取任意像素点；
[0010] 步骤3,分别W所述待修复图像破损边界上各个像素点为中屯、选取所述各个像素 点的模板块；
[0011] 步骤4,按照W下公式计算所述待修复图像破损边界上每个像素点所在模板块的 破损度优先级的大小，并将破损度优先级按照从大到小降序排列；
[0012] P(p) =a^C(p)+a2〇 (p)+a3H(p)；
[0013] 其中，p为所述模板块中屯、处的像素点；P(p)为像素点p的破损度优先级啡，32, 33 为权重，且a。32, 33的和为1 ;
[0014] H(p) =K?h+exp(-h);K为控制参量，取值为 0. 8;exp(-h) =e-h，e-h为We为底 数的指数函数，e= 2.71828;h为局部测度函数，h=IA1-A2I2,入1和^2分别为所述模 板块结构张量表达式的第一特征值和第二特征值，表达式为：
[0015]
[001引其中，j。，j。，由待修复图像结构张量表达式得到，所述待修复图像结构张量表 达式为：
[0019]C(p)为所述模板块中屯、处像素点P的置信度；D(p)为所述模板块中屯、处像素点P 的数据项；
[002引式中，1]%为破损边界上W像素点P为中屯、点的模板块，巫为所述待修复图像中的 未受损区域，〇指模板块与所述待修复图像中的未受损区域的交集，云为所述模板块 与所述待修复图像中的未受损区域的交集中的像素点，即所述模板块中未受损区域的像素 点，c(/3)为像素点^的置信度，|Wp|为模板块的面积，指模板块内像素的数量；v/pi为像 素点P的等照度线的方向，即梯度的垂直方向，rip为像素点P的单位方向向量，a为归一化 因子，在灰度图像中取值为255 ;C(/>) =C(/，') = 1，邸心1>;
[0023] 步骤5,在所述待修复图像的未受损区域中寻找与所述破损度优先级最大的模板 块相似度最高的区域，作为最优匹配块；
[0024] 步骤6,将所述最优匹配块中的像素值复制到所述破损度优先级最大的模板块 5^-中；
[0025] 步骤7，按照^下公式更新所述破损度优先级最大的模板块^^"的破损区域中所 有像素点的置信度，并返回步骤4,直至待修复图像被完全修复；
[0026]
[0027] 式中，Pm为所述破损度优先级最大的模板块的中屯、处的像素点；C(Pm)为像素点 9。的置信度，^^^"*为所述破损度优先级最大的模板块，Q为所述待修复图像中的受损区域， ^,,"〇〇指所述破损度优先级最大的模板块^^&,与所述待修复图像中受损区域Q的交集， 即所述破损度优先级最大的模板块中的受损区域；VgGna指在所述破损度优先级最 大的模板块中受损区域中取任意像素点为g，y为所述破损度优先级最大的模板块中破 损区域中的像素点，C(g)为所述破损度优先级最大的模板块中破损区域中像素点g的置 信度。
[0028] 本发明的有益效果是：通过在优先级设定过程中引入张量理论，由于结构张量能 有效的描述图像局部结构信息，其特征值之间的关系可W表征图像不同的分区，使得可W 根据图像结构张量及其特征值，来控制图像修复优先级，从而避免了现有技术中由于置信 度项比较大，而数据项较小时，导致已知信息很多的图像块得不到优先修复，产生修复错 误。
[0029] 在上述技术方案的基础上，本发明还可W做如下改进：
[0030] 进一步，所述步骤5包括W下步骤：
[0031] 步骤5. 1，遍历所述待修复图像中所有未受损区域的样本块，所述样本块与所述破 损度优先级最大的模板块的大小相同，并判断所述破损度优先级最大的模板块中所有像素 值之和与所述样本块中所有像素值之和是否满足W下关系式：
[0032] (1-5 ) ?sum(Wp")《sum(Wq')《(1+5 ) ?sum(Wp");
[0033] 式中，p"为所述破损度优先级最大的模板块中像素已知的像素点，Wp,,为所述破损 度优先级最大的模板块中像素点已知的区域；sum(Wp，）指对所述破损度优先级最大的模 板块中像素已知部分的所有像素点值求和；q'为所述样本块中与所述破损度优先级最大 的模板块中像素已知的像素点相对应的像素点，W。,为所述样本块中与所述破损度优先级 最大的模板块中像素点已知的区域相对应的区域；sum(Wg〇指对所述样本块中与所述破 损度优先级最大的模板块中已知像素点相对应的像素点值求和；5取值为[0，1];
[0034] 步骤5. 2,当所述样本块中所有像素值之和与所述破损度优先级最大的所述破损 度优先级最大的模板块中所有像素值之和满足步骤5. 1中的关系式之后，进行颜色匹配； [00巧]步骤5. 3,将颜色匹配度最高的样本块作为最优匹配块。
[0036] 采用上述进一步方案的有益效果是在颜色匹配之前增加了判断待匹配块已知区 域像素和与目标块相对应区域像素值之和满足匹配条件该一过程，避免了现有技术中在全 局范围内捜索最优匹配块，增大时间复杂度，导致修复效率低该一问题。
[0037] 进一步，所述步骤5. 2中按照W下公式进行颜色匹配：
[0038]
[00測式中，指求取使得^/评。。，^,/)取最小值的ID。；A1为所述破损度优 先级最大的模板块结构张量表达式的第一特征值；A2为所述破损度优先级最大的模板块 结构张量表达式的第二特征值；A' 1为样本块结构张量表达式的第一特征值；A' 2样 本块结构张量表达式的第二特征值；0为所述待修复图像中未受损区域；^^/，。,为所述破损 度优先级最大的模板块；q为样本块中对应所述破损度优先级最大的模板块中屯、处的像素 点；1]%为^像素点q为中屯、点的样本块；n为所述模板块中所有像素点的数量；^9为未受 损区域中颜色匹配度最高的样本块；
[0040] 为所述破损度优先级最大的模板块与样本块的颜色差方和，表达式 为：
[0041]
[0042] 式中，I,为模板块中R通道中已知像素点的灰度值；。为样本块中R通道中已知 像素点的灰度值；I。为模板块中G通道中已知像素点的灰度值；I为样本块中G通道中已 知像素点的灰度值；Ic为模板块中B通道中已知像素点的灰度值；IC'为样本块中B通道中 已知像素点的灰度值。
[0043] 采用上述进一步方案的有益效果是通过将结构张量的特征值引入匹配准则，避免 了现有技术中在多个匹配目标块当中随机选取目标匹配块，导致选取不得当，而影响后期 图像修复的效果，该颜色匹配准则使得所找到的目标块相似性更高，能够降低错误匹配率。
[0044] 进一步，所述权重a。32, 33可根据图像结构进行设置，当待修复的图像纹理特征丰 富时，ai所占比重最大；当待修复图像中拐角等T形局部结构信息丰富时，a,所占比重最大； 当线状结构丰富时，33所占比重最大。
[0045] 采用上述进一步方案的有益效果是通过针对不同特点的待修复图像适当调整权 重的比重，能够提高修复质量。
[0046] 进一步，所述当待修复的图像纹理特征丰富时，ai:a2:a3= 3:1:1;所述待修复图 像中拐角等T形局部结构信息丰富时，ai:a2:a3= 1:3:1 ;所述当线状结构丰富时，a1:32:33 =1:1:3。
[0047] 采用上述进一步方案的有益效果是