基于圖像分解和稀疏表示的圖像修復方法研究.pdf

1、圖像修復是圖像處理領域中的熱點問題。圖像修復技術廣泛應用于珍貴藝術品、破損電影膠片數(shù)字化修復，圖像對象編輯等；還為超分辨率、去馬賽克、傳輸錯誤糾正、圖像壓縮等應用提供新穎的思路。
　　本文研究旨在處理圖像空間域像素缺失和圖像小波系數(shù)缺失兩種情況的圖像修復問題，并提出了兩種圖像修復算法。針對圖像空間域像素缺失的圖像修復問題，本文根據(jù)自然圖像可以分解為結(jié)構(gòu)部分和紋理部分的性質(zhì)，利用基于擴散偏微分方程和基于紋理合成的圖像修復方法分別修復

2、兩個部分。對結(jié)構(gòu)部分，針對Chan等提出的TV Inpainting模型會導致“灰度跳變”的問題，提出了結(jié)合等照度線方向信息的四階偏微分方程圖像修復模型，同時，為了降低本文模型的復雜度，本文對基于快速行進法的圖像修復模型進行改進，預先對圖像缺損區(qū)域進行填充，從而減少迭代次數(shù)；對紋理部分，針對Criminisi算法容易導致誤差傳播和窮盡搜索時間復雜度高的問題；利用馬爾科夫隨機場原理，本文提出了距離加權度量策略，通過統(tǒng)計方法，討論中心距離-

3、圖像塊平均距離關系，提出利用局部搜索代替全局搜索降低搜索時間。通過與TV Inpainting模型、Criminisi算法以及TV Decomposed模型的實驗相比，本文方法可以有效緩解“灰度跳變”問題、抑制了誤差傳播、提高修復效率；在信噪比和峰值信噪比指標方面，對于相同的缺失率，本文方法分別獲得3-6dB和1-2dB的提高。
　　針對圖像小波系數(shù)缺失的圖像修復問題，考慮到小波圖像(小波系數(shù))缺少適合圖像修復的先驗模型和圖像空間

4、域的先驗模型研究比較充分的事實，以及小波分解中低頻子帶和高頻子帶的特點提出了兩步小波域圖像修復模型。第一步：針對小波系數(shù)中的低頻子帶的特點，利用圖像的稀疏先驗作為低頻子帶的先驗模型，提出基于稀疏表示的低頻子帶修復模型；第二步：針對高頻子帶的修復問題，借鑒Chan等的思想，將小波系數(shù)修復問題轉(zhuǎn)化為圖像空間域中帶小波系數(shù)約束的修復問題，實現(xiàn)高頻部分系數(shù)的修復。通過與TV Wavelet模型和Nonlocal Wavelet模型相比，本文方法