A variable block image restoration method based on saliency map, including: 1), selective attention model by simulating biological visual attention mechanism, saliency image inpainting; 2), calculate the unknown regions on the boundary of each point as the center of the block in reliability, structural information and significant degree, obtain repair the highest priority priority; and to the point as the center of the block as to repair; 3), the block size is adjusted according to the inpainting block around the known pixels, mean gradient and significant changes; 4), the most known search block matching in the region to be filled pixel block in the repair and update the pixel repair; credibility and salience; step 2) cycle 4) until the image restoration of bi. The use of information to repair the image significantly improved repair priority, greatly ease the problem of the traditional greedy repair; at the same time can be adjusted according to the block size of the area to be repaired the surrounding environment, to meet the different needs of the repair.
【技术实现步骤摘要】
一种基于显著图的可变块图像修复方法
本专利技术属于计算机视觉、计算机图形学领域,特别涉及一种基于显著图的可变块图像修复方法。技术背景图像修补技术具有广泛的应用领域,主要包括受损照片修复和数字视觉特效两大方面。由于保管条件或人为等种种因素,一些具有极高的收藏价值和历史价值的美术作品或老照片出现裂痕和划痕,因此对这些文物和数据进行修复具有十分重要的意义。通过数字图像修补技术,只需确定待修复的区域,计算机就可以按照指定的算法进行修复,避免了手工修复耗费的大量时间。同时,在数字视觉特效制作和虚拟现实领域方面的应用主要涉及物体的移除和场景编辑。具体应用包括对获取的场景照片中的闯入者或者固定遮挡物的移除。图像修复的问题可以如下概括:给定一幅图像,可能有残缺部分或者有需要移除的部分,然后以一种符合视觉需求的方式填补待修复区域。尽管图像修复的问题看起来简单,但是要使修复后的图像尽如人意却是非常之难。近些年涌现出大量的图像修补算法,而其大概可以归为三类:基于统计的方法,基于偏微分方程的方法,基于块的方法。基于统计的方法主要用在纹理合成上,通过参数统计模型提取输入纹理的统计数据,再调整输出图像直到其统计数据与输入相匹配。这类方法的主要缺点是其统计模型只适用于纹理合成,对包含结构信息的图像修复效果不佳。基于偏微分方程的方法将图像修补看作是将空洞周围已知像素作为边界条件下的偏微分方程或变分求解问题,因此图像修补变成已知信息向丢失信息区域的扩散过程。基于偏微分方程的方法可以很好的保存结构信息,然而在处理较大信息丢失区域或者纹理丰富的图片时,会产生模糊的修补结果。而至今为止修复效 ...
【技术保护点】
一种基于显著图的可变块图像修复方法,包括如下步骤:1)、输入含有已知区域及未知区域的待修复图像,通过如下步骤生成显著图, (11) 先把待修复图像表示成9层的高斯金字塔,其中第0层是待修复图像,1‑8层分别是用5*5的高斯滤波器对待修复图像进行滤波和采样形成的图像,大小分别为待修复图像的1/2到1/256 ;并分别提取高斯金字塔每一层的亮度I、红色R、绿色G、蓝色B、黄色Y 及方向O特征,形成特征金字塔;同时对各种特征分别在特征金字塔的不同尺度间作差;(12) 把上述得到的每一个特征图归一化到区间[0,1],然后分别把每一种归一化后的特征图逐点求和,得到对应于每一种特征的显著图, 综合所有特征的显著性,得到对应于待修复图像的显著图;2)、确定未知区域边界上的点的修复优先级,分别计算每一点为中心的块内的可信度——已知像素百分比,结构信息及显著度项,将三者的乘积作为修复优先级;并选出优先级最高的点为中心的块作为待修复块;3)、在待修复块周围不同像素大小的块中,找出相邻的块之间已知的像素均值、梯度及显著度变化最大的相邻块,调整待修复块的大小为该相邻块中较小块的大小;4)、依据待修复块内像素颜 ...
【技术特征摘要】
1.一种基于显著图的可变块图像修复方法,包括如下步骤:1)、输入含有已知区域及未知区域的待修复图像,通过如下步骤生成显著图,(11)先把待修复图像表示成9层的高斯金字塔,其中第0层是待修复图像,1-8层分别是用5*5的高斯滤波器对待修复图像进行滤波和采样形成的图像,大小分别为待修复图像的1/2到1/256;并分别提取高斯金字塔每一层的亮度I、红色R、绿色G、蓝色B、黄色Y及方向O特征,形成特征金字塔;同时对各种特征分别在特征金字塔的不同尺度间作差;(12)把上述得到的每一个特征图归一化到区间[0,1],然后分别把每一种归一化后的特征图逐点求和,得到对应于每一种特征的显著图,综合所有特征的显著性,得到对应于待修复图像的显著图;2)、确定未知区域边界上的点的修复优先级,分别计算每一点为中心的块内的可信度——已知像素百分比,结构信息及显著度项,将三者的乘积作为修复优先级;并选出优先级最高的点为中心的块作为待修复块;3)、在待修复块周围不同像素大小的块中,找出相邻的块之间已知的像素均值、梯度及显著度变化最大的相邻块,调整待修复块的大小为该相邻块中较小块的大小;4)、依据待修复块内像素颜色值及平均显著度,在已知区域搜索最匹配的块来填充待修复块内的像素;然后根据匹配代价更新已修复像素的可信度,并利用该匹配块内平均显著度更新修复像素的显著度;循环重复步骤2)-4),直至填满待修复图像的未知区域内的所有像素。2.如权利要求1所述的图像修复方法,其特征是,步骤(11)中所述亮度I、红色R、绿色G、蓝色B、黄色Y特征公式分别为:I=(r+g+b)/3R=r-(g+b)/2G=g-(r+b)/2B=b-(r+g)/2Y=(r+g)/2-|r-g|/2-b其中,r,g,b分别对应待修复图像的红、绿、蓝三通道;所述方向O特征由方向Gabor滤波O(σ,θ)对金字塔σ∈[0,8]滤波,和由方向Gabor滤波O(σ,θ)对方向θ∈{0°,45°,90°,135°}沿着0°、45°、90°及135°四个方向分别进行滤波得到。3.如权利要求1所述的图像修复方法,其特征是,步骤(12)归一化之前,进一步对每个特征图分别用二维高斯差函数进行卷积,并把卷积结果叠加...
【专利技术属性】
技术研发人员:王好谦,李政芝,戴琼海,
申请(专利权)人:清华大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。