基于樣本塊的大范圍圖像修補(bǔ)技術(shù)的研究與實(shí)現(xiàn).pdf

1、圖像修補(bǔ)(image inpainting)技術(shù)利用圖像中已知的完好信息來(lái)對(duì)指定的受損區(qū)域進(jìn)行修補(bǔ),從而填補(bǔ)該區(qū)域的信息。它是改變圖像的一個(gè)過(guò)程,要求最終圖像的原有區(qū)域與填補(bǔ)區(qū)域間的過(guò)渡清晰自然。該技術(shù)的應(yīng)用領(lǐng)域包括:圖像恢復(fù)(如照片中的裂痕或膠片的劃痕),特定目標(biāo)物(如郵戳或軍事基地等敏感信息)的去除,以及影視特技制作和虛擬現(xiàn)實(shí)等。目前,圖像修復(fù)技術(shù)主要分為兩類(lèi):一類(lèi)是基于幾何圖像模型的,該技術(shù)適合于修補(bǔ)圖像中的小尺度缺損。另一類(lèi)是基

2、于紋理合成的,該技術(shù)對(duì)于填充圖像中大的丟失塊有較好的效果。本質(zhì)上,第一類(lèi)技術(shù)是一種基于偏微分方程的修補(bǔ)算法,它利用熱擴(kuò)散方程將待修補(bǔ)區(qū)域周?chē)囊阎畔U(kuò)散到待修補(bǔ)區(qū)域。典型方法有BSCB模型,曲率驅(qū)動(dòng)擴(kuò)散(CDD)模型等。但是使用偏微分方程進(jìn)行修補(bǔ)時(shí),得到的結(jié)果往往比較模糊,這在修補(bǔ)大區(qū)域破損圖像時(shí)更為明顯。紋理合成技術(shù)方面的眾多研究中,較為著名的是Efros和Leung提出的基于馬爾可夫隨機(jī)場(chǎng)的模型,它通過(guò)比較相鄰點(diǎn)的匹配度,把誤差最

3、小的匹配點(diǎn)寫(xiě)入合成圖中。基于此原理,Criminisi提出的基于樣本塊的圖像修補(bǔ)方法取得了較為理想的效果?？傮w而言,這些算法存在一定缺點(diǎn)?；谄⒎址匠痰膱D像修補(bǔ)算法,其修補(bǔ)結(jié)果常常會(huì)呈現(xiàn)模糊,而基于樣本塊的修補(bǔ)算法在匹配樣本塊時(shí)因?yàn)槭褂萌炙阉鞫档土擞行ヅ涞男?甚至產(chǎn)生錯(cuò)誤匹配的情況。針對(duì)這兩種方法的不足,本文在以下三方面對(duì)基于樣本塊的修補(bǔ)算法進(jìn)行了改進(jìn):1.提出一種更為合理的優(yōu)先級(jí)計(jì)算方法,該方法在對(duì)樣本塊進(jìn)行修補(bǔ)時(shí)能夠可靠計(jì)

4、算各點(diǎn)的優(yōu)先級(jí),避免因錯(cuò)誤的填充次序而影響修補(bǔ)效果,有效保證圖像結(jié)構(gòu)和紋理的正確填充。2.提出縮小匹配樣本塊時(shí)的搜索范圍,將原先被動(dòng)的全局搜索改進(jìn)為主動(dòng)的局部搜索,在提高匹配度的同時(shí)大大加快了圖像的修補(bǔ)速度。3.設(shè)計(jì)了一種窗口大小自適應(yīng)的匹配算法,將原本大小固定不變的樣本塊窗口改進(jìn)為大小隨算法可變,進(jìn)一步提高了修補(bǔ)效率。為了驗(yàn)證算法的有效性,本文實(shí)現(xiàn)了該算法并進(jìn)行了大量的仿真實(shí)驗(yàn)。通過(guò)比較,發(fā)現(xiàn)本文算法不僅取得了理想的修補(bǔ)效果,更大幅度