恢复图像的方法及其系统技术方案

本发明专利技术的恢复图像的方法，涉及图像处理的技术领域，解决现有技术的方法恢复图像效果较低的技术问题。该方法包括获取待恢复的图像并确定所述图像的丢失值数据；根据所述丢失值数据确定所述图像待补全的三阶张量；确定第一模型，所述第一模型根据所述三阶张量进行图像的低秩与稀疏约束处理所确定；根据所述第一模型确定所述图像的目标张量；转换所述目标张量格式确定所述图像的所述丢失值数据的恢复。本发明专利技术用以提高图像处理的功能，满足人们能够提高图像数据恢复的要求。

【技术实现步骤摘要】
恢复图像的方法及其系统
本专利技术属于图像处理的
，尤其是一种恢复图像的方法及其系统。
技术介绍
图像恢复是计算机视觉中的一个基本问题。例如，在数据的采集或处理过程中，由于设备、传输条件限制或人为因素，获得的图像中可能会出现有丢失内容信息的情况，如何从获得的图像中恢复出丢失的值是图像处理研究中的一项高频任务，也是，越来越受到人们的关注问题。主要原因是因为在图像中，场景和物体可能是比较复杂的，而且仅通过当前图像进行恢复可以利用的信息较少。现有的主流图像恢复方法主要是通过利用图像的先验知识来恢复丢失值，如，利用图像低秩特性的TNN方法。此外，XutaoLi等人在文章Low-ranktensorcompletionwithtotalvariationforvisualdatainpainting(Thirty-FirstAAAIConferenceonArtificialIntelligence.2017)中针对图像恢复问题提出了一种恢复方法，该方法结合图像的低秩特性与光滑特性，提出了基于张量展开的核范数和差分项的优化模型(LRTC-TV)，并通过交替方向乘子法对模型进行求解，以实现图像的恢复。该方法的通用性较差，不能用于大多数的图像，且差分项会产生比较明显的阶梯效应，对于图像的细节部分恢复较差。现有技术的方法未有效的利用图像的内部结构特征和未充分利用图像间丢失信息和未丢失信息的关系，以实现更好的恢复效果和更多细节的保留。有鉴于此，特提出本专利技术。【专利技术内容】有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种恢复图像的方法，解决现有技术的方法因未有效的利用图像的内部结构特征，致使图像恢复效果较低的技术问题。本专利技术解决其技术问题所采用的技术方案是：提供一种恢复图像的方法，所述方法包括：获取待恢复的图像并确定所述图像的丢失值数据；根据所述丢失值数据确定所述图像待补全的三阶张量；确定第一模型，所述第一模型根据所述三阶张量进行图像的低秩与稀疏约束处理所确定；根据所述第一模型确定所述图像的目标张量；转换所述目标张量格式确定所述图像的所述丢失值数据的恢复。在一个优选或可选的实施方式中，确定所述图像的丢失值数据的方法包括：根据获取所述待恢复的图像进行二值化处理确定丢失值数据，所述丢失值数据为待恢复的图像数据中对应元素矢量为零的区域。在一个优选或可选的实施方式中，所述第一模型确定所述图像的目标张量的方法包括：预设替代变量，根据所述替代变量确定对应的朗格朗日乘子变量，所述替代变量用于替代目标张量的变量；根据所述替代变量确定第二模型，所述第二模型根据所述替代变量和所述朗格朗日乘子变量将所述第一模型转化为增广拉格朗日函数模型。根据所述第二模型确定所述图像的目标张量。在一个优选或可选的实施方式中，根据所述第二模型确定所述图像的目标张量的方法包括：预设迭代次数；利用交替方向乘子法在所述预设迭代次数内处理所述第二模型，获取处理后的所述第二模型作为待恢复的所述图像的目标张量，所述目标张量与待恢复的所述图像所对应的尺寸数据相同。另一方面提供一种恢复图像的系统，所述系统包括：获取模块，用于获取待恢复的图像并确定所述图像的丢失值数据；第一确定模块，用于根据所述丢失值数据确定所述图像待补全的三阶张量；第二确定模块，用于根据所述三阶张量进行图像的低秩与稀疏约束处理确定第一模型；第三确定模块，用于所述第一模型确定所述图像的目标张量；转换模块，用于转换所述目标张量格式恢复所述图像的所述丢失值数据。在一个优选或可选的实施方式中，所述获取模块还用于二值化处理所述待恢复的图像以确定丢失值数据，所述丢失值数据为待恢复的图像数据中对应元素矢量为零的区域。在一个优选或可选的实施方式中，所述第三确定模块还用于预设替代变量，根据所述替代变量确定对应的朗格朗日乘子变量，所述替代变量用于替代目标张量的变量；所述第二模型根据所述替代变量和所述朗格朗日乘子变量将所述第一模型转化为增广拉格朗日函数模型，所述增广拉格朗日函数模型作为第二模型；根据所述第二模型确定所述图像的目标张量。在一个优选或可选的实施方式中，所述第三确定模块还用于通过预设迭代次数并利用交替方向乘子法在所述预设迭代次数内处理所述第二模型，获取处理后的所述第二模型作为待恢复的所述图像的目标张量，所述目标张量与待恢复的所述图像所对应的尺寸数据相同。本专利技术所提供的方法，具有以下特征：获取待恢复的图像并确定所述图像的丢失值数据；根据所述丢失值数据确定所述图像待补全的三阶张量；所述第一模型根据所述三阶张量进行图像的低秩与稀疏约束处理所确定第一模型，根据所述第一模型确定所述图像的目标张量，图像等视觉数据往往具有复杂的数据结构，张量作为向量和矩阵的高阶推广可有效的表示图像等高维数据的内部结构，如，三阶张量，张量补全可以通过三阶张量分解或者秩最小化来完成，通过分解的方法通常需要指人工指定分解的所用到的秩，会直接影响恢复结果，而秩最小化通过最小化张量的秩建立模型进行迭代求解，可以得到较好的效果，待恢复图像补全的更细化处理。将图像看作是一个张量，通过张量补全的方法来进行图像恢复，基于自然图像的低秩与稀疏特性的处理，更加有效的利用图像的内部结构特征，充分利用图像间丢失信息和未丢失信息的关系，实现更好的恢复效果和更多细节的保留，通过目标张量的格式保存成图像格式，获取更好的图像恢复效果。【附图说明】图1为本专利技术恢复图像方法的框架图；图2为本专利技术恢复图像方法的第一模型确定图像目标张量的框架图；图3为本专利技术恢复图像方法的第二模型确定图像目标张量的框架图；图4本专利技术恢复图像的系统的结构示意图；图5本专利技术恢复图像的系统需要提供的四张原始图形；图6本专利技术恢复图像系统恢复狒狒图像与现有技术的恢复狒狒图像的技术效果对比；图7本专利技术恢复图像系统恢复Barbara图像与现有技术的恢复Barbara图像的技术效果对比；图8本专利技术恢复图像系统恢复Lena图像与现有技术的恢复Lena图像的技术效果对比；图9本专利技术恢复图像系统恢复Light图像与现有技术的恢复Light图像的技术效果对比。【具体实施方式】为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。术语“左前，右前，左后，右后”用于位置关系的描述，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。如图1所示的恢复图像的方法，本文档来自技高网...

【技术保护点】
1.一种恢复图像的方法，其特征在于，所述方法包括：/n获取待恢复的图像并确定所述图像的丢失值数据；/n根据所述丢失值数据确定所述图像待补全的三阶张量；/n确定第一模型，所述第一模型根据所述三阶张量进行图像的低秩与稀疏约束处理所确定；/n根据所述第一模型确定所述图像的目标张量；/n转换所述目标张量格式确定所述图像的所述丢失值数据的恢复。/n

【技术特征摘要】
1.一种恢复图像的方法，其特征在于，所述方法包括：
获取待恢复的图像并确定所述图像的丢失值数据；
根据所述丢失值数据确定所述图像待补全的三阶张量；
确定第一模型，所述第一模型根据所述三阶张量进行图像的低秩与稀疏约束处理所确定；
根据所述第一模型确定所述图像的目标张量；
转换所述目标张量格式确定所述图像的所述丢失值数据的恢复。


2.根据权利要求1所述的方法，其特征在于，确定所述图像的丢失值数据的方法包括：
根据获取所述待恢复的图像进行二值化处理确定丢失值数据，所述丢失值数据为待恢复的图像数据中像素点为零的区域。


3.根据权利要求1所述的方法，其特征在于，所述第一模型确定所述图像的目标张量的方法包括：
预设替代变量，根据所述替代变量确定对应的朗格朗日乘子变量，所述替代变量用于替代目标张量的变量；
根据所述替代变量确定第二模型，所述第二模型根据所述替代变量和所述朗格朗日乘子变量将所述第一模型转化为增广拉格朗日函数模型；
根据所述第二模型确定所述图像的目标张量。


4.根据权利要求3所述的方法，其特征在于，所述第二模型确定所述图像目标张量的方法包括：
预设迭代次数；
利用交替方向乘子法在所述预设迭代次数内处理所述第二模型，获取处理后的所述第二模型作为待恢复的所述图像的目标张量，所述目标张量与待恢复的所述图像所对应的...

【专利技术属性】
技术研发人员：詹克宇，曾中超，孙岳，
申请(专利权)人：西安万宏电子科技有限公司，
类型：发明
国别省市：陕西;61