结合自适应梯度分块和等距变换的改进Criminisi图像修复方法
【技术领域】
[0001] 本发明属于图像信号处理领域，涉及一种数字图像修复方法，特别涉及一种结合 自适应梯度分块和等距变换的改进Criminisi图像修复方法。
【背景技术】
[0002] 图像修复是对图像缺失信息区域进行信息填充，其目的是使填充后的图像接近或 达到一定的视觉质量。图像修复技术是目前计算图形学和视觉计算中的研究热点，在文物 保护，破损图像修补和复原，目标障碍物剔除以及高分辨率图像再现上有着重大的应用和 研究价值。
[0003] 基于变分TOE的图像修补技术和基于纹理合成的图像修复技术是两种主要的图像 修复策略。其中，变分FOEWartial Differential Equation,FOE)的图像修补方法主体思 想是利用物理学中的热扩散方程，将待修补区域周围的有效信息扩散到待修补区域。其中， 比较典型的方法包括基于3阶PDE模拟平滑的BSCB(Bertalmio Spairo Caselles and Bellester)方法（Bertalmio Μ·，Sapiro G. ,Caselles V. ,et al. Image inpainting[C]// Proceedings of the 27th annual conference on Computer graphics and interactive techniques.ACM Press/Addison-ffesley Publishing Co.,2000:417-424.) 模型、整体变分（TV,Total Variation)模型（Chan T.F,Shen J.Mathematical Models for Local Nontexture Inpaintings.[J].Siam Journal on Applied Mathematics,2002,62
[3] : 1019-1043.)和结合三阶PDE 的 CDD( Curvature Driven D if fusions)方法（Chan T.Non-texture inpainting by curvature driven diffusion[J].J.visual Comm.image Rep，2001，12:436-449.)。这些方法能很好地保留图像线性结构，在修复小尺度破损图像有 较好的修复效果，然而上述方法是在有界变差空间上对图像建模，采用分段平滑函数将破 损区域周围信息扩散到破损区域，导致对大范围破损或富纹理缺失区域的修复质量则整体 欠佳。
[0004] 针对变分roE图像修补方法存在的不足，一些学者提出了基于纹理合成的图像修 复方法。比较典型的方法是Criminisi图像修复方法（Criminisi A.，P6rez P.，Toyama K.Region filling and object removal by exemplar-based image inpainting[J] ? IEEE Transactions on Image Processing,2004,13(9): 1200-1212·)，该方法主要由修 复区域优先权计算、修复块全局匹配搜索和匹配块填充3步组成，其主体思想是从待修补区 域边界上选取修复优先权最高的像素点，以该点为中心建立待修复块，利用待修复块中的 已知信息在已知信息区域内寻找与该块纹理最相近的块来填充待修补区域。尽管 Criminisi方法能够对大范围缺失信息图像进行较高质量的图像修复，但仍然存在很多不 足：
[0005] ① Criminisi方法的优先权模型被设计为置信项和数据项的乘积，随着修补填充 的不断进行，置信项在迭代多次后急剧下降且趋于零值，但是数据项保持平稳变化，这就导 致数据项受制于趋于零值的置信项，使得优先权计算变得不可靠，因此导致错误的填充顺 序，从而影响图像修复质量；
[0006] ②Crimini si方法在修复时并未对待修复块信息进行具体分析，导致优先权可能 计算不可靠，易将纹理部分误认为边缘部分，造成本来属于纹理部分的图像块先修复，从而 出现纹理延伸影响最终图像修复质量；
[0007] ③Criminisi方法在整个图像已知信息的所有区域寻找合适的匹配块，而忽视自 然图像自身的局部自相似性，这将带来高昂的匹配计算代价；
[0008]④Criminisi方法仅采用块与块之间的Euclidean距离直接匹配存在欠缺，会导致 相似性度量不准确，造成直接匹配的目标块不是最佳目标块，从而影响图像修复质量。 [0009]针对问题①，文献（Cheng W.H.，Hsieh C.W.，Lin S.K，et al .Robust algorithm for exemplar-based image inpainting[C]//The International Conference on Computer Graphics，Imaging and Vision(CGIV 2005) .2005:64-69.)将标准Criminisi方 法中优先权计算模型的置信项与数据项乘积改为两项之和，并对数据项与置信项赋予简单 的权重，以保证图像结构和纹理填充的正确顺序。文献(Zhou Y.，Li L.，Xia K..Research on weighted priority of exemplar-based image inpainting[J]·Journal of Electronics，2012，29(1): 166-170.)则在此基础上，对优先权公式进一步设置，通过增加 数据项的权重来提高结构信息对于优先权的贡献度，使得所提策略在修复结构边缘图像时 有着良好性能，但与此同时对非结构边缘图像修复时则会降低视觉质量，同时该方法需根 据不同图像，手动选择不同的优先权模型，适用范围十分有限。文献(林云莉，赵俊红，朱学 峰，等.改进的纹理合成图像修复算法[J].计算机应用与软件，2010,27(10) :11-12.)则在 优先权计算模型中引入补偿因子和加权系数，根据图像纹理结构信息来动态调节补偿因子 和加权系数，使得不同图像对应着不同的优先权计算方法，但是并没有解决优先权的自动 计算问题。文献(刘业妃，王福龙，奚祥艳.改进的C r i m i n i s i图像修复算法[J ].小型微型计 算机系统，2014,35(12):2754-2758.)在修改优先权模型时通过将置信项改为指数函数的 形式，使得置信项的变化趋势相比原始方法更为平滑合理，但根据不同图像结构纹理信息 丰富程度人为的选取权重因子来控制置信项与数据项的比例，同样存在优先权的自动计算 问题。
[00? 0]针对问题②，文献(任澍，唐向宏，康佳伦.利用纹理和边缘特征的Crimini s i改进 算法[J].中国图象图形学报，2012,17(9) :1085-1091.)通过对待修复块已知像素点求其均 值和方差，利用其法线方向对待修复块进行分割，采用均值差差值和方差差值两个因素来 对图像待修复块进行纹理边缘区分，进而引入差别因子改进优先权模型，克服了修复过程 中的纹理延伸，但仍然不能解决由于不存在合适的匹配块所造成的修复失真，以及对待修 复块边缘纹理分类不合理问题；为解决存在不合适匹配块导致的修复失真问题，文献(任 澍，唐向宏，康佳伦.纹理和边缘特征相结合的图像修复算法[J].计算机辅助设计与图形学 学报，2013,25(11) :1682-1693.)对修复过程中的不良匹配区域进行定位，采用基于图像分 解的图像修复方法进行修复;但是这两篇文章在对待修复图像块的边缘纹理信息判断时采 用均值差和方差差值两个因素来对图像待修复块进行纹理边缘区分，并没有对图像已知区 域内的所有信息进行划分，在匹配待修复块的最佳目标块时并没有针对待修复块的信息进 行分类搜索，从而依然无法有效地降低匹配计算代价。
[0011] 针对问题③，为了降低计算代价，文献(任澍，唐向宏，康佳伦.利用纹理和边缘特 征的Criminisi改进算法[J].中国图象图形学报，2012,17(9): 1085-1091.)调整方法在修 复过程中匹配块的搜索方式，在采用全局搜索的基础上，附加一个判断待修复块与目标匹 配块两个图像块中心距离的搜索条件，如果该距离过大，则停止修复，将修复目标转为次优 先级的修复块，若仍旧发生相同情况，则继续转移修复目标，且转移次数最多为3次，3次之 后忽略该条件按照原来的搜索方式进行匹配搜索，在效率上有所提高，但是依旧采用的是 全局搜索，时间复杂度高;为将全局搜索改为局部搜索，文献(代仕梅，张红英，曾超.一种基 于样例的快速图像修复算法[J].微型机与应用，2010(22) :34-36.)通过减少和限定匹配块 的搜索空间来提高方法效率，尽管缓解了计算代价，但简单的搜索空间会导致丢失合理的 匹配块，从而降低图像的视觉修复质量。
[0012] 针对④，文献（Vantigodi S.，Babu R.V.，Entropy constrained exemplar-based image inpainting[C]//Signal Processing and Communications (SPCOM), 2014International Conference on · IEEE，2014 ·)引入待修复像素值熵的信息，改进判断 相似度的方法，利用结构相似性指标SS頂的相似度判断方法来搜索与待修复块差异最小的 目标块;文献(王新年，王哲，王演.