【技术实现步骤摘要】
一种图像修复方法及装置
本申请涉及图像处理领域，具体而言，涉及一种图像修复方法及装置。
技术介绍
现有的超分辨率技术可以根据所处理的数据类型来划分，分成对单帧图像的处理和对连续视频图像的处理两种。单帧图像的超分处理主要基于对物体边缘的提取和锐化技术，其依据是物体边缘所代表的模式不随分辨率而显著变化。而连续运动图像的处理则主要基于在时间方向上的物体运动估计，图像配准和子像素提取技术上。快速超分辨率的调整锚邻域回归(Adjustedanchoredneighborhoodregressionforfastsuper-resolution，简称A+)，快速、精确的超分辨率技术(RapidandAccurateImageSuper-Resolution，简称RAISR)，超分辨率卷积神经网络，(Super-ResolutionConvolutionalNeuralNetwork，简称SRCNN)是机器学习超分算法的3个典型实例。A+根据周围像素生成模式词典，使用稀疏矩阵压缩方法生成HASH(散列)来选择滤波器。在SRCNN中，使用稀疏矩阵的HASH来选择优质滤波器的方法是...
【技术保护点】
1.一种图像修复方法，其特征在于，所述方法包括：对待修复图像进行边缘检测，得到所述待修复图像中各像素点的梯度方向和梯度强度值；根据所述待修复图像中像素点的梯度方向确定该像素点的邻近像素点，并根据邻近像素点的梯度方向及梯度强度值得到所述像素点的结构因子；根据所述待修复图像中像素点的梯度方向及结构因子得到高斯算子，采用高斯算子对所述像素点进行处理，得到所述像素点的高斯系数；根据所述待修复图像像素的噪声得到噪声系数；根据所述待修复图像中像素点的高斯系数及噪声系数，对所述待修复图像中像素点进行修复，以对所述待修复图像进行修复。
【技术特征摘要】
1.一种图像修复方法，其特征在于，所述方法包括：对待修复图像进行边缘检测，得到所述待修复图像中各像素点的梯度方向和梯度强度值；根据所述待修复图像中像素点的梯度方向确定该像素点的邻近像素点，并根据邻近像素点的梯度方向及梯度强度值得到所述像素点的结构因子；根据所述待修复图像中像素点的梯度方向及结构因子得到高斯算子，采用高斯算子对所述像素点进行处理，得到所述像素点的高斯系数；根据所述待修复图像像素的噪声得到噪声系数；根据所述待修复图像中像素点的高斯系数及噪声系数，对所述待修复图像中像素点进行修复，以对所述待修复图像进行修复。2.根据权利要求1所述的方法，其特征在于，所述对待修复图像进行边缘检测，得到所述待修复图像中各像素点的梯度方向和梯度强度值，包括：采用边缘检测算子对所述待修复图像进行处理，得到所述待修复图像中各像素点的梯度向量，所述梯度向量包括梯度方向和梯度强度值；所述边缘检测算子包括Sobel检测算子。3.根据权利要求1所述的方法，其特征在于，所述根据所述待修复图像中像素点的梯度方向确定该像素点的邻近像素点，并根据邻近像素点的梯度方向及梯度强度值得到所述像素点的结构因子，包括：根据所述待修复图像中像素点的梯度方向，确定所述像素点在所述梯度方向上的两个邻近像素点；检测所述像素点的梯度方向与所述两个邻近像素点的梯度方向是否相同；在所述像素点的梯度方向与所述两个邻近像素点的梯度方向均不相同时，判定结构因子为1；在所述像素点的梯度方向与其中一个邻近像素点的梯度方向相同时，判定结构因子为2；在所述像素点的梯度方向与所述两个邻近像素点的梯度方向均相同时，判定结构因子为3。4.根据权利要求3所述的方法，其特征在于，所述根据所述待修复图像中像素点的梯度方向及结构因子得到高斯算子包括：根据所述待修复图像中像素点的梯度方向及结构因子确定所述高斯算子的维度；其中，所述待修复图像中所有像素点的梯度方向越多，所述高斯算子维度越高；所述结构因子越大，所述高斯算子维度越高。5.根据权利要求1所述的方法，其特征在于，所述根据所述待修复图像像素的噪声得到噪声系数，包括：利用噪声算子及所述待修复图像像素点的噪声，得到所述待...
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。