一种基于等照度线的图像修复方法技术

本发明专利技术公开了一种基于等照度线的图像修复方法，该方法包括以下步骤：通过各向异性传播算法中的边缘停止函数对传统的等照度线函数进行改进，并将改进后的函数与传统图像修复优先权函数相结合得到稳健的优先权计算函数；通过优先权计算函数获取结构图像中破损区域像素块的优先权值；在图像全局范围内寻找相似度最高的样本块，即最优匹配块，完成对结构图中破损区域的修复；采用纹理细节图像中与结构图中寻找到的最优匹配块相对应的纹理细节样本块对破损的纹理细节图像进行修复；将修复完成的结构图像和纹理细节图像进行叠加，完成图像修复过程。本发明专利技术在有效保持修复图像结构信息的同时，对具有光照变化的纹理也获得了比较理想的修复效果。

【技术实现步骤摘要】
一种基于等照度线的图像修复方法
本专利技术涉及计算机图像处理领域，尤其涉及一种基于等照度线的图像修复方法。
技术介绍
作为数字图像处理的重要组成部分，数字图像修复的目的是根据图像中的已知数据信息对信息缺损区域进行修复。近年来，随着多媒体技术在图像复原和图像编辑等领域的广泛应用，图像修复技术受到越来越多的关注。目前该技术大体上可以分为两类：一类是基于扩散(Diffusion-based)的修复方法，另一类是基于样本块(Exemplar-based)的修复方法。Diffusion-based修复方法是基于参数模型或者偏微分方程，从图像破损区域的边缘向内逐渐平滑过渡，将平滑优先性传播或分散到局部结构中，该类修复方法主要用于解决小区域破损区域的修复。该方法主要包括偏微分方程(PDE)算法，全变分(TotalVariation,TV)模型和基于曲率驱动扩散(CurvatureDrivenDiffusion,CDD)模型等。Exemplar-based算法是由Criminisi等人提出，该类修复方法是通过在资源区搜索与目标块的最优匹配块，并将其直接复制到破损区域来实现图像修复；由于该方法能够保持纹理特征的一致性，因此可以解决大区域破损图像的修复问题，获得更为理想的图像修复效果，代表了当前的研究方向。在Exemplar-based算法的基础上，各国学者提出了许多改进算法，将图像分割、曲线拟合、粒子群优化算法、蚁群算法等应用于图像修复来优化改善自然图像的修复效果。同时，还提出各种自适应确定样本块大小和自适应确定修复参数等图像修复算法，提高了图像修复过程的自适应性，改善了图像修复结果。近年来，还有一些学者提出了改进的纹理合成算法，结构引导纹理修复的算法以及多尺度切割等图像修复算法。值得注意的是，在修复具有大区域破损结构和光照变化的纹理图像时，利用传统的Exemplar-based修复算法及其改进算法容易出现误匹配的现象，进而导致修复后结构断裂或纹理光照分布不均，无法获得理想的图像修复效果。鉴于此，本专利技术尝试利用改进的等照度线函数，对纹理合成过程进行引导，以此获得稳健的图像修复效果。
技术实现思路
本专利技术提供了一种基于等照度线的图像修复方法，本专利技术解决了传统Exemplar-based修复算法及其改进算法容易出现的误匹配现象，以及因此而导致的修复后结构断裂或纹理光照分布不均的问题，详见下文描述：一种基于等照度线的图像修复方法，所述方法包括以下步骤：对待修复图像进行Guided滤波处理，提取待修复图像的结构和纹理细节信息；通过各向异性传播算法中的边缘停止函数对传统的等照度线函数进行改进，并将改进后的函数与传统图像修复优先权函数相结合得到稳健的优先权计算函数；通过优先权计算函数获取结构图像中破损区域像素块的优先权值；在图像全局范围内寻找相似度最高的样本块，即最优匹配块，完成对结构图中破损区域的修复；采用纹理细节图像中与结构图中寻找到的最优匹配块相对应的纹理细节样本块对破损的纹理细节图像进行修复；将修复完成的结构图像和纹理细节图像进行叠加，完成图像修复过程。所述稳健的优先权计算函数具体为：RP(p)＝αRc(p)+βS(p),0≤α,β≤1,α+β＝1其中，RP(p)表示以p为中心像素的待修复块的优先权值，α、β是权重参数，S(p)表示以p为中心像素的等照度线检测值；Rc(p)为置信项函数。本专利技术提供的技术方案的有益效果是：本专利技术将Guided滤波算法引入到图像修复领域，去除了纹理细节和噪声干扰，提高了优先权函数计算的可靠性，同时减少了误匹配；通过将等照度线检测方法与优先权函数相结合，提高了算法对复杂结构及光照变化纹理的修复效果，获得了理想的效果。附图说明图1为一种基于等照度线的图像修复方法的流程图；图2不同修复算法对沙滩图的修复效果；其中，(a)为待修复图像，(b)为Criminisi算法修复结果，(c)为Cheng算法修复结果，(d)为Casaca算法修复结果，(e)本方法修复结果；图3不同修复算法对操场图像的修复效果；其中，(a)为待修复图像，(b)为Criminisi算法修复结果，(c)为Cheng算法修复结果，(d)为Casaca算法修复结果，(e)本方法修复结果；图4不同修复算法对海景图像的修复效果。其中，(a)为待修复图像，(b)为Criminisi算法修复结果，(c)为Cheng算法修复结果，(d)为Casaca算法修复结果，(e)本方法修复结果。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。本专利技术提出了一种稳健的基于等照度线图像修复方法。首先利用Guided滤波器去除纹理和噪声干扰，获得图像的整体结构信息；然后，利用各向异性扩散算法中的边缘停止函数对传统的等照度线检测方法进行了改进，并将其与传统图像修复优先权函数相结合；通过利用等照度线函数对纹理合成过程进行引导，以获得稳健的图像修复效果。参见图1，本专利技术的技术方案如下：101：对待修复图像进行Guided滤波处理，提取其结构和纹理细节信息；即根据Guided滤波算法的基本理论对待修复图像进行滤波处理，滤除待修复图像中的噪声及部分纹理细节信息，得到图像的结构信息，从而减少噪声对图像修复的干扰。假设待修复图像为I，它是Guided滤波过程的引导图像，滤波输出图像为y，它们之间满足一种局部线性模型，其中输出图像y是引导图像I在以像素k为中心的方形窗口ωk的线性变换，即：其中，(ak,bk)是方形窗口ωk的线性常量系数。线性常量系数(ak,bk)可以通过令滤波输出图像y和滤波输入图像x差值的最小化来获得，定义窗口中最小化代价函数如下：其中，ε是为了避免ak变化很大的正则化参数。上式可采用如下的线性回归进行求解：其中，μk和分别表示引导图像I在窗口ωk中的均值和方差，|ω|表示在窗口ωk中的像素数，是滤波输入图像x在窗口ωk中的均值。接下来，对整幅图像中的所有局部窗口应用线性模型。由于包含像素i的所有窗口ωk都涉及到像素i的值，所以根据公式(2)在不同窗口中计算出来的yi值各不相同。对所有可能的yi值求平均数，当计算得到整幅图像中所有方形像素块ωk的线性常量系数(ak,bk)后，滤波输出计算为：其中，102：利用各向异性传播算法中的边缘停止函数对传统的等照度线函数进行改进，用传统的等照度线变量来替代边缘停止函数中的梯度变量；i)上述中传统的等照度线变量的求解过程如下：假设图像为u，其在待修复像素点p的梯度向量可表示为▽up＝(upx,upy)，则它的等照度线向量可以表示为梯度向量的正交向量，即▽⊥up＝(-upy,upx)，其归一化表示为：已知拉普拉斯(Laplace)算子Δ是各项同性微分算子，其定义为对数字图像u进行拉普拉斯算子运算可以表示为：Δu＝[u(x+1,y)+u(x-1,y)+u(x,y+1)+u(x,y-1)]-4u(x,y)(7)其中，u(x+1,y),u(x-1,y),u(x,y+1),u(x,y-1)分别表示像素点(x,y)四个相邻位置上的像素值，为了使图像修复沿着等照度线的方向传播，一般采用下列方程实现：其中，U(p)表示检测到的以像素点p为中心像素的待修复块的等照度线值，up是以p为中心像素本文档来自技高网...

【技术保护点】
一种基于等照度线的图像修复方法，其特征在于，所述方法包括以下步骤：对待修复图像进行Guided滤波处理，提取待修复图像的结构和纹理细节信息；通过各向异性传播算法中的边缘停止函数对传统的等照度线函数进行改进，并将改进后的函数与传统图像修复优先权函数相结合得到稳健的优先权计算函数；通过优先权计算函数获取结构图像中破损区域像素块的优先权值；在图像全局范围内寻找相似度最高的样本块，即最优匹配块，完成对结构图中破损区域的修复；采用纹理细节图像中与结构图中寻找到的最优匹配块相对应的纹理细节样本块对破损的纹理细节图像进行修复；将修复完成的结构图像和纹理细节图像进行叠加，完成图像修复过程。

【技术特征摘要】
1.一种基于等照度线的图像修复方法，其特征在于，所述方法包括以下步骤：对待修复图像进行Guided滤波处理，提取待修复图像的结构和纹理细节信息；通过各向异性传播算法中的边缘停止函数对传统的等照度线函数进行改进，并将改进后的函数与传统图像修复优先权函数相结合得到稳健的优先权计算函数；通过优先权计算函数获取结构图像中破损区域像素块的优先权值；在图像全局范围内寻找相似度最高的样本块，即最优匹配块，完成对结构图中破损区域的修复；采用纹理细节图像中与结构图中寻找到的最优匹配块相对应的纹理细节样本块对破损的纹理细节图像进行修复；将修复完成的结构图像和纹理细节图像进行叠加，完成图像修复过程；所述边缘停止函数为：其中，s表示待处理的...

【专利技术属性】
技术研发人员：何凯，张丽莹，高俊俏，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12