基于樣本塊的大范圍圖像修補技術(shù)的研究與實現(xiàn).pdf

1、圖像修補(image inpainting)技術(shù)利用圖像中已知的完好信息來對指定的受損區(qū)域進行修補,從而填補該區(qū)域的信息。它是改變圖像的一個過程,要求最終圖像的原有區(qū)域與填補區(qū)域間的過渡清晰自然。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)實等。目前,圖像修復(fù)技術(shù)主要分為兩類:一類是基于幾何圖像模型的,該技術(shù)適合于修補圖像中的小尺度缺損。另一類是基

2、于紋理合成的,該技術(shù)對于填充圖像中大的丟失塊有較好的效果。本質(zhì)上,第一類技術(shù)是一種基于偏微分方程的修補算法,它利用熱擴散方程將待修補區(qū)域周圍的已知信息擴散到待修補區(qū)域。典型方法有BSCB模型,曲率驅(qū)動擴散(CDD)模型等。但是使用偏微分方程進行修補時,得到的結(jié)果往往比較模糊,這在修補大區(qū)域破損圖像時更為明顯。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場的模型,它通過比較相鄰點的匹配度,把誤差最

3、小的匹配點寫入合成圖中。基于此原理,Criminisi提出的基于樣本塊的圖像修補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?；谄⒎址匠痰膱D像修補算法,其修補結(jié)果常常會呈現(xiàn)模糊,而基于樣本塊的修補算法在匹配樣本塊時因為使用全局搜索而降低了有效匹配的效率,甚至產(chǎn)生錯誤匹配的情況。針對這兩種方法的不足,本文在以下三方面對基于樣本塊的修補算法進行了改進:1.提出一種更為合理的優(yōu)先級計算方法,該方法在對樣本塊進行修補時能夠可靠計

4、算各點的優(yōu)先級,避免因錯誤的填充次序而影響修補效果,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的搜索范圍,將原先被動的全局搜索改進為主動的局部搜索,在提高匹配度的同時大大加快了圖像的修補速度。3.設(shè)計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為大小隨算法可變,進一步提高了修補效率。為了驗證算法的有效性,本文實現(xiàn)了該算法并進行了大量的仿真實驗。通過比較,發(fā)現(xiàn)本文算法不僅取得了理想的修補效果,更大幅度