一种基于信息熵和梯度因子的图像修复方法、系统技术方案

本发明专利技术公开了一种基于信息熵和梯度因子的图像修复方法、系统，所述基于信息熵和梯度因子的图像修复方法包括：确定待修复图像的破损区域，其中所述破损区域包含至少一个破损像素区域；针对每一破损像素区域，采用优先权函数确定所述破损像素区域的待修复块；根据预设定的匹配准则确定适配于所述待修复块的最佳样本块；使用所述最佳样本块填充所述待修复块中的未知像素完成该破损像素区域的修复；更新所述优先权函数中的置信度；获取所述待修复图像对应的已完成修复的图像。该基于信息熵和梯度因子的图像修复方法、系统可以有效的减少子图个数，减少计算量，提高计算速度。提高计算速度。提高计算速度。

【技术实现步骤摘要】
一种基于信息熵和梯度因子的图像修复方法、系统


[0001]本专利技术涉及图像修复
，具体地，涉及一种基于信息熵和梯度因子的图像修复方法、系统。

技术介绍

[0002]社会的不断发展和人类的不断革新，人们获取信息的方式变得愈加多样化和简单化，但是图像依然是人们获取信息的主要途径。但因为各种因素，比如人为失误、保存不当、年代久远、条件落后等等，我们得到的图像与我们所期望的图像存在一定的差距，于是图像处理技术应运而生。图像修复技术也是图像处理领域的一大研究热点。图像修复是指对受到损坏的图像进行修复重建或者去除图像中的多余物体，使人能够对图像保持合理的视觉感受的技术。在生活中的各个方面都得到了广泛的应用，在考古领域，壁画、油画等艺术作品因为年代的久远、自然氧化等原因，会造成多多少少的破损、裂痕、脱落这些情况，普通的人工修复在不考虑修复效果的情况下还要冒着很大的风险，而依赖计算机技术的图像修复，将其扫描成数字图像，则可以在修复的同时避免二次破坏；在日常生活中，很多图片是无法直接使用的，比如上面有水印或者logo、字幕等，或者旅游照片上有误闯入镜头的游客或者遮挡物，这些都会影响图像的整体效果，同样可以看作是图像修复问题，利用计算机技术来实现对图像的优化；对于图像信息的丢失，也可以利用图像修复技术根据图像已知信息进行破损区域的修复；对于虚拟场景的构建，图像修复技术也能够在很大程度上达到理想的效果。除此之外，图像修复还涉及到了军事、医疗等领域，可以说，图像修复的应用范围非常广泛，并且具有很深远的研究意义。
[0003]现阶段的图像修复在最优匹配块的寻找上选择了思路简单、容易理解的SSD函数，该函数虽然有运算简单、匹配精度高的优点，但是运算量偏大，降低了整体算法的效率。

技术实现思路

[0004]本专利技术的目的是提供一种基于信息熵和梯度因子的图像修复方法、系统，该基于信息熵和梯度因子的图像修复方法、系统可以有效的减少子图个数，减少计算量，提高计算速度。
[0005]为了实现上述目的，本专利技术提供了一种基于信息熵和梯度因子的图像修复方法，所述基于信息熵和梯度因子的图像修复方法包括：
[0006]确定待修复图像的破损区域，其中所述破损区域包含至少一个破损像素区域；
[0007]针对每一破损像素区域，采用优先权函数确定所述破损像素区域的待修复块；根据预设定的匹配准则确定适配于所述待修复块的最佳样本块；使用所述最佳样本块填充所述待修复块中的未知像素完成该破损像素区域的修复；更新所述优先权函数中的置信度；
[0008]获取所述待修复图像对应的已完成修复的图像。
[0009]优选地，在所述确定待修复图像的破损区域之后，且在所述采用优先权函数确定所述破损像素区域的待修复块之前，该基于信息熵和梯度因子的图像修复方法还包括：
[0010]判断所述待修复图像中是否存在未修复的破损像素区域；
[0011]并且，所述获取所述待修复图像对应的已完成修复的图像被配置为在判断结果为否时执行。
[0012]优选地，所述采用优先权函数确定所述破损像素区域的待修复块包括：
[0013]获取所述破损像素区域的梯度信息和信息熵；
[0014]建立包含所述梯度信息和信息熵的下述的公式，基于所述公式确定所述破损像素区域的待修复块：
[0015]P(p)
‑
C1(p)D(p)+T
p
S
p
；
[0016]C1(p)＝(1
‑
w)C(p)+w；
[0017][0018][0019][0020][0021]其中，所述C(p)是置信项，D(p)是数据项，T
p
为图像的梯度信息、S
p
为图像的信息熵；M
q
为像素点q的梯度模值：H
qx
、H
qy
是像素点q在x、y方向上的导数。
[0022]优选地，所述预设定的匹配准则被配置为通过Criminisi算法将从所搜索到的图像块中选取第一个搜索到的图像块作为最佳样本块。
[0023]另外，本专利技术还提供一种基于信息熵和梯度因子的图像修复系统，所述基于信息熵和梯度因子的图像修复系统包括：
[0024]区域确定单元，用于确定待修复图像的破损区域，其中所述破损区域包含至少一个破损像素区域；
[0025]置信度更新单元，用于针对每一破损像素区域，采用优先权函数确定所述破损像素区域的待修复块；根据预设定的匹配准则确定适配于所述待修复块的最佳样本块；使用所述最佳样本块填充所述待修复块中的未知像素完成该破损像素区域的修复；更新所述优先权函数中的置信度；
[0026]图像获取单元，用于获取所述待修复图像对应的已完成修复的图像。
[0027]优选地，在所述确定待修复图像的破损区域之后，且在所述采用优先权函数确定所述破损像素区域的待修复块之前，该基于信息熵和梯度因子的图像修复系统还包括：
[0028]判断单元，用于判断所述待修复图像中是否存在未修复的破损像素区域；
[0029]并且，所述获取所述待修复图像对应的已完成修复的图像被配置为在判断结果为否时执行。
[0030]优选地，所述置信度更新单元用于采用优先权函数确定所述破损像素区域的待修复块包括：
[0031]梯度信息和信息熵获取模块，用于获取所述破损像素区域的梯度信息和信息熵；
[0032]公式计算模块，用于建立包含所述梯度信息和信息熵的下述的公式，基于所述公式确定所述破损像素区域的待修复块：
[0033]P(p)＝C1(p)D(p)|T
p
S
p
；
[0034]Cl(p)＝(1
‑
w)C(p)+w；
[0035][0036][0037][0038][0039]其中，所述C(p)是置信项，D(p)是数据项，T
p
为图像的梯度信息、S
p
为图像的信息熵；M
q
为像素点q的梯度模值：H
qx
、H
qy
是像素点q在x、y方向上的导数。
[0040]优选地，所述预设定的匹配准则被配置为通过Criminisi算法将从所搜索到的图像块中选取第一个搜索到的图像块作为最佳样本块。
[0041]另外，本专利技术还提供一种存储介质，其上存储有程序，该程序被处理器执行时实现上述的基于信息熵和梯度因子的图像修复方法。
[0042]另外，本专利技术还提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的基于信息熵和梯度因子的图像修复方法。
[0043]根据上述技术方案，本专利技术引进梯度因子和信息熵来进行函数的优化，解决了原始算法存在的优先权计算函数失效的问题。然后建立动态法则和自适应模型解决了搜索区域过大和样本尺寸单一的缺点，并且引入了SSDA函数使得图像修复块更加精准。通过一系列的数据对比和修复后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息熵和梯度因子的图像修复方法，其特征在于，所述基于信息熵和梯度因子的图像修复方法包括：确定待修复图像的破损区域，其中所述破损区域包含至少一个破损像素区域；针对每一破损像素区域，采用优先权函数确定所述破损像素区域的待修复块；根据预设定的匹配准则确定适配于所述待修复块的最佳样本块；使用所述最佳样本块填充所述待修复块中的未知像素完成该破损像素区域的修复；更新所述优先权函数中的置信度；获取所述待修复图像对应的已完成修复的图像。2.根据权利要求1所述的基于信息熵和梯度因子的图像修复方法，其特征在于，在所述确定待修复图像的破损区域之后，且在所述采用优先权函数确定所述破损像素区域的待修复块之前，该基于信息熵和梯度因子的图像修复方法还包括：判断所述待修复图像中是否存在未修复的破损像素区域；并且，所述获取所述待修复图像对应的已完成修复的图像被配置为在判断结果为否时执行。3.根据权利要求1所述的基于信息熵和梯度因子的图像修复方法，其特征在于，所述采用优先权函数确定所述破损像素区域的待修复块包括：获取所述破损像素区域的梯度信息和信息熵；建立包含所述梯度信息和信息熵的下述的公式，基于所述公式确定所述破损像素区域的待修复块：P(p)＝C1(p)D(p)+T
p
S
p
；C1(p)＝(1
‑
w)C(p)+w；w)C(p)+w；w)C(p)+w；w)C(p)+w；其中，所述C(p)是置信项，D(p)是数据项，T
p
为图像的梯度信息、S
p
为图像的信息熵；M
q
为像素点q的梯度模值：H
qx
、H
qy
是像素点q在x、y方向上的导数。4.根据权利要求1所述的基于信息熵和梯度因子的图像修复方法，其特征在于，所述预设定的匹配准则被配置为通过Criminisi算法将从所搜索到的图像块中选取第一个搜索到的图像块作为最佳样本块。5.一种基于信息熵和梯度因子的图像修复系统，其特征在于，所述基于信息熵和梯度因子的图像修复系统包括：区域确定单元，用于确定待修复图像的破损区域，其中所述破损区域包含至少一个破
损像素区域；置信度更新单元，用于针对每一破损像素区域，采用优先权...

【专利技术属性】
技术研发人员：刘正男，潘玥，李津津，王羲献，朱佳伟，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：