紋理圖像智能修補(bǔ)關(guān)鍵技術(shù)研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的蓬勃發(fā)展，圖像修復(fù)作為該領(lǐng)域的一個(gè)重要分支引起了廣泛的關(guān)注。圖像修復(fù)的目的是對(duì)有信息缺損的圖像進(jìn)行修補(bǔ)，使觀察者無(wú)法察覺(jué)到圖像曾經(jīng)缺損或已被修復(fù)。包含豐富紋理信息的圖像以其復(fù)雜的信號(hào)特征對(duì)圖像修復(fù)提出了新的挑戰(zhàn)。論文結(jié)合圖像紋理的特點(diǎn)，從待修復(fù)區(qū)域提取、圖像紋理修復(fù)和修復(fù)質(zhì)量評(píng)價(jià)三個(gè)方面開(kāi)展紋理圖像智能修復(fù)的關(guān)鍵技術(shù)研究工作，對(duì)于圖像特定對(duì)象去除、傳輸錯(cuò)誤隱藏和特效制作等具有重要的理論參考意義。
　　在待修復(fù)區(qū)

2、域提取階段，針對(duì)包含缺失信息的紋理圖像提出一種由粗到精的缺損區(qū)域自動(dòng)定位方法，以高斯濾波和閾值法獲取粗定位曲線，并建立模糊Chan-Vese主動(dòng)輪廓模型自動(dòng)演化粗定位曲線至目標(biāo)邊緣。針對(duì)細(xì)粒度背景下的強(qiáng)對(duì)比度紋理修復(fù)區(qū)域提取問(wèn)題，提出一種兩通道目標(biāo)紋理分割算法，將非線性擴(kuò)散后的邊緣與灰度特征作為圖像特征通道，建立包含調(diào)整項(xiàng)與模糊因子的兩通道紋理提取主動(dòng)輪廓模型，并以具有較大差異的特征為主導(dǎo)項(xiàng)驅(qū)動(dòng)曲線演化，實(shí)現(xiàn)對(duì)強(qiáng)對(duì)比度紋理的無(wú)監(jiān)督提取。

3、實(shí)驗(yàn)結(jié)果表明，算法較好的解決了包含多種缺損類型和目標(biāo)紋理的圖像特定區(qū)域提取問(wèn)題。
　　在圖像紋理修補(bǔ)方法研究中，針對(duì)由樣本塊間像素值突變引起的塊效應(yīng)問(wèn)題，提出一種結(jié)合塊關(guān)聯(lián)匹配與低秩矩陣超分辨的修補(bǔ)算法，增加相鄰修復(fù)塊在重疊區(qū)域的關(guān)聯(lián)性約束，并引入帶噪低秩矩陣填充算法保持修復(fù)圖像的紋理與色彩變化連續(xù)性。針對(duì)圖像修復(fù)中的結(jié)構(gòu)不連貫問(wèn)題，提出一種基于動(dòng)態(tài)尺度塊匹配的圖像鏈?zhǔn)絻?yōu)化修復(fù)算法，以多尺度塊匹配方式二次搜索目標(biāo)候選塊，建立基于塊

4、間關(guān)聯(lián)匹配特性的優(yōu)化修復(fù)模型并采用動(dòng)態(tài)規(guī)劃法求解，實(shí)現(xiàn)對(duì)圖像的由外向內(nèi)修復(fù)。實(shí)驗(yàn)結(jié)果表明，算法對(duì)多種自然圖像的修復(fù)達(dá)到了令人滿意的效果。
　　針對(duì)修復(fù)圖像質(zhì)量評(píng)價(jià)問(wèn)題，提出一種結(jié)合視覺(jué)關(guān)注機(jī)制和圖像統(tǒng)計(jì)特性的修復(fù)質(zhì)量客觀評(píng)價(jià)方法。通過(guò)分析人類視覺(jué)特性，將修復(fù)質(zhì)量評(píng)價(jià)問(wèn)題轉(zhuǎn)化為人眼對(duì)圖像不同區(qū)域的注意力集中問(wèn)題;依據(jù)視覺(jué)顯著圖和圖像內(nèi)在特征建立結(jié)構(gòu)修復(fù)指標(biāo)和紋理修復(fù)指標(biāo)，并結(jié)合人眼的感知分層形成最終評(píng)價(jià)體系，完成對(duì)修復(fù)圖像的客觀評(píng)價(jià)