一种基于结构信息的多尺度图像修复方法技术

本发明专利技术公开一种基于结构信息的多尺度图像修复算法，包括：对待修复图像I进行多尺度的分解，得到一系列不同的尺度层图像；从最大尺度层图像开始，利用基于结构信息的优先权函数计算方法，计算当前第k尺度层图像Ik破损区域的优先权，按优先权的先后顺序，使用相应匹配准则构成的相似性度量准则寻找最优匹配块，进行当前第k尺度层的图像修复，得到相应的修复效果图并对其进行上采样重建得到第k‑1尺度层修复的比较基准图，修复第k‑1尺度层的图像得到这一尺度下的初步修复结果；将步骤初步修复结果与比较基准图进行对比，得到新的第k‑1尺度层破损图像；得到第k‑1尺度层的最终修复效果图。本发明专利技术修复顺序更加准确，修复后的图像结构纹理更加自然合理。

【技术实现步骤摘要】

本专利技术属于计算机图像复原领域，涉及一种基于结构信息的多尺度图像修复算法，可用于还原变质恶化胶片、划痕消除等等。
技术介绍
数字图像修复技术是对待修复图像中信息缺失区域进行信息填充的过程，修复者需要采用最恰当的方法来实现破损图像的复原，同时使得观察者无法察觉到图像被修复的痕迹，保证图像达到最理想的艺术效果。数字图像修复算法中最为经典是Criminisi等人提出的基于样本块的修复算法。其利用优先权大小来确定修复的先后顺序。其中优先权是由置信度项与数据项的乘积。由于置信度随着修复迭代次数的增加迅速下降导致修复不准确，且其数据项仅考虑等照度线方向，结构描述过于单一，仅在一个尺度层修复也会导致结果不精确。为此国内外学者提出新的优先权计算函数以及多尺度修复等算法加以改进。
技术实现思路
针对单一尺度的基于样本块的图像修复算法存在的不足，本专利技术提供一种基于结构信息的多尺度图像修复算法，本专利技术首先利用权重引导图像滤波WGIF方法对待修复的破损图像进行多尺度的分解，获得一系列的尺度层；然后从尺度最大层开始进行图像修复，在对各尺度的图像修复过程中，将图像的曲率和结构信息描述两个特征信息引入到优先权的计算，使填充修复的顺序更加合理。本专利技术的技术方案如下：一种基于结构信息的多尺度图像修复算法，包括下列步骤：1)对待修复图像I进行多尺度的分解，即从最小尺度层第0层开始，使用基于权重引导滤波的算法对各尺度层图像进行滤波及下采样，采用M×N尺寸的滤波窗口得到一系列不同的尺度层图像IK，K＝0,1,2,…k,…；其中，(i，j)为像素点坐标，m＝[M/2],n＝[N/2]分别代表不超过M/2,N/2的最大整数，WWGIF(u,v)为滤波窗口内像素点(u,v)对应的WGIF滤波权重值。2)从最大尺度层即顶层图像开始，利用基于结构信息的优先权函数计算方法P(p)＝C(p)·[wD·D(p)+wK·|K(p)|+wΓ·ΓI(p)]，计算当前第k尺度层图像Ik破损区域的优先权；其中C(p)为点p的置信度，D(p)为点p的数据项，K(p)为曲率，ΓI(p)为结构信息描述因子，wD、wK、wΓ为权值，且满足：3)按优先权的先后顺序，使用相应匹配准则构成的相似性度量准则寻找最优匹配块，进行当前第k尺度层的图像修复，得到相应的修复效果图Iipt_k；4)将当前第k尺度层图像修复结果进行上采样重建得到将其作为第k-1尺度层修复的比较基准图，并按照步骤2)、3)修复第k-1尺度层的图像Ik-1得到这一尺度下的初步修复结果Iinitial_ipt_k-1；5)将步骤4)中生成的初步修复结果Iinitial_ipt_k-1与比较基准图进行对比，得到新的第k-1尺度层破损图像Inew_k-1；6)根据步骤2)和3)对新得到的第k-1尺度层破损图像Inew_k-1进行图像修复，得到第k-1尺度层的最终修复效果图Iipt_k-1；7)重复步骤4)、5)和6)依次遍历每一尺度层，直至完成最小尺度层的修复，则修复结束。相比于现有技术，本专利技术的优点有以下两点：(1)本专利技术通过引入权重引导滤波对图像进行多尺度分解，使图像的边缘及细节信息得到很好的保护，有助于图像的进一步修复。(2)本专利技术提出一种基于结构信息的优先权计算公式，将曲率及具有保边缘特性的函数作为优先权的数据项，使图像的修复顺序更加合理，修复效果更加自然。总之，本专利技术较好的解决了传统多尺度修复算法中滤波导致信息大量丢失及结构修复不合理的问题，对于修复具有复杂结构的图像方面得了较好的视觉效果，修复顺序更为准确，同时对各种自然纹理具有较强的鲁棒性等特点，有着广泛的应用前景。附图说明图1本专利技术的一种基于结构信息的多尺度图像修复算法流程图。图2～4为本专利技术与传统图像修复算法对不同图像的修复效果对比，其中：图(a)红色区域代表破损区域；图(b)为经典Criminisi算法的修复效果；图(c)为Entropy算法修复效果；图(d)为本专利技术方法修复效果具体实施方式本专利技术一种基于结构信息的多尺度图像修复算法，主要由两部分组成：权重引导滤波多尺度分解图像、每个尺度层的修复。具体原理如下：1：权重引导滤波(WeightedGuidedImageFiltering简记为WGIF)是一种保边缘图像滤波算法，其保边缘的性能强于传统的双边滤波以及引导滤波。权重引导滤波的模型源于传统的引导滤波模型，在引导滤波定义中，使用局部线性模型，该类模型假设函数上的某一点与其领域内的点成线性关系，此类模型非常适用于非解析函数的表示上。根据引导图像滤波模型，可以假设图像这类的二维函数的滤波输出q与输入引导图像I在限定的二维窗口内满足一定的线性关系，具体如下：其中，(i,j)是以(x,y)为中心点像素，窗口N(x,y)内的任意像素点。对公式(1-1)两边同时求取梯度，可以得到：由公式(1-2)可知，当输入的引导图像I有梯度特征时，滤波输出q也有类似的梯度特征，因此此类滤波具有保边缘特性。为求得滤波参数a(x,y)和b(x,y)，使用线性回归方法使得拟合函数的输出值与真实值间的误差最小，即使公式(1-3)达到最小化：其中，P为待滤波的图像，ε是为了避免a(x,y)变化过大的正则化参数。也是调节滤波器滤波效果的重要参数。为求误差最小，对上式两边同时求偏导数即可得到如下方程组：求解上述方程组即可得到如式(1-5)所示的滤波参数a(x,y),b(x,y)的值：其中，μ(x,y)和分别表示引导图像I在窗口N(x,y)中的均值和方差，|N(x,y)|表示在窗口N(x,y)中的像素数量。是待滤波图像在窗口中的均值。在计算每个窗口的线性系数时，一个像素会被多个窗口包含，即每个像素都由多个线性函数所描述。因此，要具体求某一点的输出值时，只需将所有包含该点的线性函数值平均即可，滤波输出计算公式如下所示：其中，当把引导滤波用作边缘保持滤波器时，即I＝P，如果ε＝0，显然a＝1,b＝0是公式(1-3)最小值的解，分析可知此时的滤波器没有任何作用，将输入原封不动的输出。如果ε＞0，在像素强度变化小的区域(或单色区域)，有a近似于(或等于)0，而b近似于(或等于)即做了一个加权均值滤波；而在变化大的区域，a近似于1，b近似于0，对图像的滤波效果很弱，有助于保持边缘。而ε的作用就是界定什么是变化大，什么是变化小。在窗口大小不变的情况下，随着ε的增大，图像滤波效果越明显。权重引导滤波与传统的引导滤波最大的区别在于正则化参数ε的自适应确定，传统的引导滤波将其置为一常数，文献中使用公式(1-7)，(1-8)将这一参数自适应计算出：其中μ为常数，取为1/128；ΓI(x,y)为引导图像I的保边缘权重，(i,j)是以(x,y)为中心点像素，窗口M(x,y)内的任意像素点，|M(x,y)|表示在窗口M(x,y)中的像素数，为引导图像在3×3矩阵窗口内的方差图，ε0为常数，取为(0.001×256)2。2：图像的曲率是等照度线形态学特征的重要描述，可以在一定程度上反映出图像的结构特征信息，其计算公式如(1-9)式所示：其中，Ix(i,j),Iy(i,j),Ixx(i,j),Iyy(i,j)分别代表图像I在(i,j)点上沿x方向的一阶导、y方向的一阶导，x方向的二阶导、y方向的二本文档来自技高网...

【技术保护点】
一种基于结构信息的多尺度图像修复算法，包括下列步骤：1)对待修复图像I进行多尺度的分解，即从最小尺度层第0层开始，使用基于权重引导滤波的算法对各尺度层图像进行滤波及下采样，采用M×N尺寸的滤波窗口得到一系列不同的尺度层图像IK，K＝0,1,2,…k,…；其中，(i，j)为像素点坐标，m＝[M/2],n＝[N/2]分别代表不超过M/2,N/2的最大整数，WWGIF(u,v)为滤波窗口内像素点(u,v)对应的WGIF滤波权重值。2)从最大尺度层即顶层图像开始，利用基于结构信息的优先权函数计算方法计算当前第k尺度层图像Ik破损区域的优先权；其中C(p)为点p的置信度，D(p)为点p的数据项，K(p)为曲率，为结构信息描述因子，wD、wK、wΓ为权值，且满足：3)按优先权的先后顺序，使用相应匹配准则构成的相似性度量准则寻找最优匹配块，进行当前第k尺度层的图像修复，得到相应的修复效果图Iipt_k；4)将当前第k尺度层图像修复结果进行上采样重建得到将其作为第k‑1尺度层修复的比较基准图，并按照步骤2)、3)修复第k‑1尺度层的图像Ik‑1得到这一尺度下的初步修复结果Iinitial_ipt_k‑1；5)将步骤4)中生成的初步修复结果Iinitial_ipt_k‑1与比较基准图进行对比，得到新的第k‑1尺度层破损图像Inew_k‑1；6)根据步骤2)和3)对新得到的第k‑1尺度层破损图像Inew_k‑1进行图像修复，得到第k‑1尺度层的最终修复效果图Iipt_k‑1；7)重复步骤4)、5)和6)依次遍历每一尺度层，直至完成最小尺度层的修复，则修复结束。...

【技术特征摘要】
1.一种基于结构信息的多尺度图像修复算法，包括下列步骤：1)对待修复图像I进行多尺度的分解，即从最小尺度层第0层开始，使用基于权重引导滤波的算法对各尺度层图像进行滤波及下采样，采用M×N尺寸的滤波窗口得到一系列不同的尺度层图像IK，K＝0,1,2,…k,…；其中，(i，j)为像素点坐标，m＝[M/2],n＝[N/2]分别代表不超过M/2,N/2的最大整数，WWGIF(u,v)为滤波窗口内像素点(u,v)对应的WGIF滤波权重值。2)从最大尺度层即顶层图像开始，利用基于结构信息的优先权函数计算方法计算当前第k尺度层图像Ik破损区域的优先权；其中C(p)为点p的置信度，D(p)为点p的数据项，K(p)为曲率，为结构信息描述因子，wD、wK、wΓ为权值，且满足：3)按优先权的...

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