專利名稱：一種圖像修復(fù)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機(jī)虛擬現(xiàn)實和計算機(jī)圖形學(xué)技術(shù)領(lǐng)域，具體地說，是一種圖像修復(fù)技術(shù)——受損圖像的重構(gòu)和圖像上物體的移除。
背景技術(shù)：
一般地，圖像修復(fù)本身是一種藝術(shù)。早在文藝復(fù)興時期，古代雕塑就已經(jīng)出現(xiàn)斷頭少臂的現(xiàn)象，因而，雕塑家不僅自身要創(chuàng)作作品，同時也要修復(fù)古代的雕塑，其主要是填補(bǔ)美術(shù)品上所出現(xiàn)的裂痕或溝，如文獻(xiàn)1的G.Emile-Male.“The Restorer’s Handbook of Easel Painting”.Van NostrandReinhold，New York，1976介紹的。我國是個文物大國，為了對寶貴的文物資源進(jìn)行永久保護(hù)，重現(xiàn)古字畫或者舊照片的原貌。我國古字畫上面經(jīng)常印有收藏家的印章，或者因折疊年代久遠(yuǎn)而產(chǎn)生的褶痕；另一方面，真實場景的照片或者合成的圖像，經(jīng)常需要移除照片上一些多余的大塊對象，懸浮的文字等，特別是一些舊照片上的褶痕需要修復(fù)。因此，我們需要尋找一種自動化的圖像修復(fù)方法。
圖像的受損部分和移除部分都可看作是丟失的信息形成的空洞，因此，圖像修復(fù)技術(shù)主要解決的問題是如何填充這些空洞。以前，有兩種典型的圖像修復(fù)方法紋理合成領(lǐng)域中的約束合成(constrained synthesis)，如文獻(xiàn)2的A.Efros and T.Leung，“Texture synthesis by nonparametricsampling，”in Proc.Int.Conf.Computer Vision，Kerkyra，Greece，Sept.1999，pp.1033-1038和L.Liang，C.Liu，Y.-Q.Xu，B.Guo，and H.-Y.Shum，“Real-time texture synthesis by patch-based sampling，”in ACMTrans.Graphics，2001介紹的和數(shù)學(xué)計算的數(shù)字圖像修復(fù)(imageinpainting)方法，如文獻(xiàn)3的Bertalmio，M，Sapiro，G.，Caselles，V.，Ballester，C.“l(fā)mage lnpainting”.SIGGRAPH 2000，pages 417-424。
前一種，基于樣圖的紋理合成方法中的約束紋理合成方法是基于馬科夫隨機(jī)場(Markov Random Field，MRF)模型，即利用紋理圖像的重復(fù)性和隨機(jī)性特征，根據(jù)周圍已知圖像信息填充丟失的信息。以待填充區(qū)域邊緣上一點(diǎn)為中心的正方形面片(Patch)(尺寸由用戶定義)為匹配窗口，利用該窗口中包括的已知部分，在已知的圖像中查找最匹配的面片，來填充該窗口中的未知部分。該方法適合于修復(fù)面積較大的受損區(qū)域。但是該方法的修復(fù)對象局限于紋理圖像，對于線形結(jié)構(gòu)較強(qiáng)的圖像就顯得無能為力。
后一種，數(shù)學(xué)計算的數(shù)字圖像修復(fù)方法是一種基于物理熱流偏微分方程(partial differential equations)的數(shù)字圖像修復(fù)方法。已知的顏色信息(RGB三個通道)沿著等照度線(isophote)方向(垂直于顏色梯度向量)向待修復(fù)區(qū)域滲透擴(kuò)展(利用微分方程)。從而實現(xiàn)了保存邊緣信息的同時向內(nèi)擴(kuò)展已知信息。二維Laplacian變換用來實現(xiàn)顏色的局部平滑變化過渡，并且沿著等照度線方向擴(kuò)展。在每一重修復(fù)處理之后，都要對所修復(fù)的區(qū)域進(jìn)行平滑處理。該方法能有效地保持原圖像的線形結(jié)構(gòu)，適合于修復(fù)舊照片上裂痕、懸浮的文字等細(xì)長的區(qū)域。但是在修復(fù)較大區(qū)域的時候，采用滲透擴(kuò)展的方法會丟失內(nèi)部細(xì)節(jié)，而出現(xiàn)明顯的模糊現(xiàn)象。
后來，基于樣圖的圖像修復(fù)(exemplar-based image inpainting)方法，文獻(xiàn)5的M.K.Leung and Y-H.Yang.First sighta human body outlinelabeling system.IEEE Trans.Pattern Analysis and Machine Intelligence，(17)4359-377，1995有效地結(jié)合了上述兩種方法的優(yōu)點(diǎn)，利用紋理合成方法同時復(fù)制紋理和結(jié)構(gòu)性信息，而結(jié)構(gòu)性特征信息的擴(kuò)展依賴于填充的順序。修復(fù)方法的核心思想是利用等照度線(isophote)控制圖像采樣過程，具體過程如下(a)計算所有邊緣面片的優(yōu)先級優(yōu)先級決定填充順序，是紋理合成方法能實現(xiàn)線性結(jié)構(gòu)信息擴(kuò)展的關(guān)鍵因素。
(b)紋理和結(jié)構(gòu)信息的擴(kuò)展首先，選擇優(yōu)先級最高的面片作為本次迭代內(nèi)將填充的邊緣面片；接著，類似于一般的紋理合成方法，顏色空間內(nèi)兩個面片之間的距離作為相似性的度量準(zhǔn)則，在原圖像的整個已知區(qū)域內(nèi)，查找與其最匹配(距離最小)的面片；最后，該邊緣面片內(nèi)的未知像素顏色值直接復(fù)制相應(yīng)的匹配塊內(nèi)的顏色值。
(c)本次迭代中所有合成像素的確信度(confidence)值更新為該邊緣面片的確信度值。
待修復(fù)區(qū)域內(nèi)像素的確信度值的擴(kuò)展方式近似于數(shù)學(xué)計算的數(shù)字圖像修復(fù)過程中已知顏色信息的擴(kuò)展方式；而該區(qū)域內(nèi)像素的實際顏色通過基于樣圖的紋理合成方法獲取。該方法修復(fù)的效果更好，但是也存在一些問題第一，在步驟(b)中，單純利用顏色信息來衡量相似度；第二，在步驟(b)中，填充順序只是簡單地根據(jù)優(yōu)先級來確定，而忽略了相似性原則；第三，在步驟(c)中，像素確信度計算中沒有考慮匹配誤差的影響。這些問題影響到了該方法的魯棒性和最終的修復(fù)效果，因為不能有效地防止紋理合成過程中普遍存在的一個問題——錯誤信息的蔓延。

發(fā)明內(nèi)容
本發(fā)明的技術(shù)解決問題克服現(xiàn)有技術(shù)的不足，提供一種魯棒性高、修復(fù)效果好的圖像修復(fù)方法，用戶只需要指定待修復(fù)區(qū)域，該方法能夠自動修復(fù)具有復(fù)雜紋理和結(jié)構(gòu)特征的真實照片、合成圖像和數(shù)字博物館中的古字畫。
本發(fā)明的技術(shù)解決方案一種圖像修復(fù)方法，在基于樣圖的圖像修復(fù)(exemplar-based image inpainting)思想的基礎(chǔ)上，其特點(diǎn)在于用戶選擇出圖像上待修復(fù)的區(qū)域，并且確定局部源區(qū)域的范圍，即以邊緣面片為中心的樣圖采樣區(qū)域窗口大小后進(jìn)行自動修復(fù)過程，自動修復(fù)過程以邊緣面片作為一次迭代填充的單位，重復(fù)下面四步，直到填滿整個待修復(fù)區(qū)域第一步，計算邊緣上所有面片的優(yōu)先級；第二步，根據(jù)優(yōu)先級和相似度準(zhǔn)則確定本次迭代將填充的邊緣面片；第三步，采用紋理合成方法，同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息；第四步，更新本次迭代處理的面片內(nèi)被合成的像素確信度值。
本發(fā)明的圖像修復(fù)方法與現(xiàn)有修復(fù)方法相比的優(yōu)點(diǎn)在于修復(fù)的效果好，修復(fù)過程更接近于手工修復(fù)過程，魯棒性高，有效地防止了錯誤信息的連續(xù)擴(kuò)展，已成功地應(yīng)用于多種具有復(fù)雜紋理和結(jié)構(gòu)特征的真實照片或合成圖像的修復(fù)。此外，本發(fā)明也應(yīng)用于數(shù)字博物館中古字畫的修復(fù)。


圖1示出本發(fā)明中所涉及到的符號定義；圖2示出受限紋理合成過程；圖3示出某一次迭代過程中根據(jù)優(yōu)先級和相似度準(zhǔn)則確定待填充邊緣面片的流程圖；圖4示出本發(fā)明中提出的填充順序調(diào)整策略的重要性；圖5示出本發(fā)明在相似性判斷準(zhǔn)則中引入梯度信息的必要性。
具體實施例方式
首先，定義一些符號，如圖1所示待修復(fù)圖像I；區(qū)域Ω為待修復(fù)區(qū)域(待填充區(qū)域)，稱為目標(biāo)區(qū)域，由用戶指定，形狀不受任何限制；Ω是指當(dāng)前未填充區(qū)域的邊緣線，隨著修復(fù)的進(jìn)行，Ω不停地改變；Φ是圖像中的已知部分(I-Ω)，是填充Ω區(qū)域的采樣空間，稱為源區(qū)域；P、Q是Ω上任意兩點(diǎn)，Ψp、Ψq分別是以P、Q為中心的邊緣面片(Patches)，w是邊緣面片窗口尺寸。顯然，隨著修復(fù)的進(jìn)行，區(qū)域Φ不斷地擴(kuò)大，而Ω將變小，Ω也隨之改變。
接著，介紹一些相關(guān)概念和方法1.邊緣面片如圖1所示Ψp、Ψq面片，以邊緣上一點(diǎn)為中心，是已知信息擴(kuò)展的單位。邊緣面片的窗口大小，如圖1中的W，對修復(fù)的結(jié)果有很大的影響。如果窗口尺寸取的過大，失去了局部細(xì)節(jié)特征，產(chǎn)生明顯的不連續(xù)；如果窗口尺寸過小，丟失完全的紋理特征，產(chǎn)生大量的碎片。該尺寸理論上應(yīng)稍大于一個紋元(texel，可識別的紋理元素)的尺寸，本發(fā)明中默認(rèn)值為7，用戶也可作適當(dāng)調(diào)節(jié)。
2.局部源區(qū)域如圖1所示的區(qū)域θ，以邊緣面片為中心的一個正方形區(qū)域。根據(jù)圖像的局部相似原理，將匹配塊的搜索限制在以邊緣面片為中心的樣圖采樣區(qū)域內(nèi)，可提高算法的效率。局部源區(qū)域窗口的大小默認(rèn)值為邊緣面片窗口的5倍，用戶也可作適當(dāng)調(diào)節(jié)。
3.相似度判斷準(zhǔn)則采用顏色(R，G，B)空間兩個面片之間的距離作為相似度的判斷準(zhǔn)則是紋理合成方法中常用的度量標(biāo)準(zhǔn)。距離越大，相似度越小，反之，相似度大。定義如下D=1AΣi=1i=A((Rpi-Rqi)2+(Gpi-Gqi)2+(Bpi-Bqi)2---(1)]]>dmax=1AΣp∈(Ψp∩Ω‾)((∈Rp)2+(ϵGp)2+(ϵBp)2)---(2)]]>D表示兩個邊緣面片Ψp和Ψq在顏色空間的距離，A表示Ψp內(nèi)已知像素的個數(shù)，R，G，B分別表示三個顏色通道。dmax表示當(dāng)前面片所允許的最大匹配誤差，兩者之間距離小于dmax稱為RGB顏色空間內(nèi)的相似度約束條件，ε是一個用戶預(yù)定義參數(shù)，控制源樣圖和合成圖像之間相似度和合成結(jié)果，ε取值偏大則會出現(xiàn)明顯的不連續(xù)，ε偏小則會引起同一塊紋理的不斷重復(fù)。
4.匹配兩個面片在RGB顏色空間內(nèi)，距離小于dmax稱為兩者相匹配。
5.候選項鏈表list對某一邊緣面片，專門用來存放與其在RGB顏色空間內(nèi)的距離小于dmax的所有匹配面片。
6.受限紋理合成如圖2所示黑色部分是待填充的目標(biāo)區(qū)域，邊緣面片Ψp(黃色線框標(biāo)志，以邊緣上紅色像素點(diǎn)為中心)，是當(dāng)前被填充的部分。首先，根據(jù)公式(1)(2)的相似性判斷準(zhǔn)則，在已知區(qū)域內(nèi)，搜索滿足RGB顏色空間內(nèi)的相似度約束條件的所有面片，如圖2中的黃色虛線框所示，存入候選項鏈表list。接著，從list中任選一個面片Ψq，邊緣面片Ψp中的未知像素顏色值直接拷貝Ψq內(nèi)相應(yīng)像素的顏色。通常，受限紋理和成都按照一定的合成順序，文獻(xiàn)2采用掃描線順序，文獻(xiàn)3中則按照平面螺旋(洋蔥皮)方式由外向內(nèi)逐層合成填充。
本發(fā)明的圖像修復(fù)方法在用戶選定待修復(fù)區(qū)域和初始化一些參數(shù)后，開始自動修復(fù)過程，下面將詳細(xì)介紹自動修復(fù)過程。
紋理合成方法能實現(xiàn)線性結(jié)構(gòu)信息的擴(kuò)展，很大程度上依賴于填充的順序。本發(fā)明提出的圖像修復(fù)方法中，填充順序由兩個因素決定——優(yōu)先級和相似度，優(yōu)先級是主要因素，相似度是調(diào)節(jié)因素。自動修復(fù)過程，以邊緣上一點(diǎn)為中心的面片作為一重循環(huán)填充的單位，重復(fù)下面四步，直到填滿整個目標(biāo)區(qū)域內(nèi)所有的像素。
第一步計算邊緣上所有面片的優(yōu)先級根據(jù)文獻(xiàn)5介紹，優(yōu)先級由兩個因素決定確信度和向內(nèi)收縮張量。
確定度表示邊緣面片內(nèi)包含的已知的信息量及其正確性。確定度因素保證位于外圍邊緣上，包含已知信息豐富的面片最先進(jìn)行修復(fù)，傾向于由外向內(nèi)逐層修復(fù)的方式。
向內(nèi)收縮張量表示中心像素點(diǎn)的等照度線方向向量在法向量上的分量的大小，決定向修復(fù)區(qū)域內(nèi)滲透的力度，如圖1中P點(diǎn)和Q點(diǎn)的向內(nèi)收縮張量相對較大。向內(nèi)收縮張量促使邊緣線Ω方向上，顏色變化大(圖像梯度值大)的面片最先進(jìn)行修復(fù)，保持原始圖像內(nèi)線性結(jié)構(gòu)的連續(xù)性。
優(yōu)先級的計算方式如下以邊界上一點(diǎn)P為中心的邊緣面片Ψp，優(yōu)先級為P(p)，由確定度函數(shù)C(p)和向內(nèi)收斂張量函數(shù)D(p)決定P(p)＝C(p)*D(p) (3)
C(p)=Σq∈(Ψp∩Ω‾)C(q)|Ψp|---(4)]]>D(p)=|▿p⊥gnp|α---(5)]]>對于一般的(0-255)灰度圖，公式(5)中的α取值為255，np表示邊界線Ω在中心點(diǎn)P處的法向量，p⊥表示等照度線方向(垂直于Ψp內(nèi)兩個分量絕對值之和最大的顏色梯度向量p)，如圖1所示。
顯然，Φ區(qū)域內(nèi)的顏色信息是原圖具有的，后來修復(fù)過程中沒有改變，確定度高。在初始化時，Φ內(nèi)的像素的確定度函數(shù)值為1，而Ω內(nèi)的像素確定度函數(shù)值最低，為0。
第二步根據(jù)優(yōu)先級和相似度準(zhǔn)則確定本次迭代將填充的邊緣面片如圖3所示，確定本次迭代將填充的邊緣面片，需要引入一個計數(shù)器，防止RGB顏色空間內(nèi)相似度約束條件過于苛刻，而進(jìn)入死循環(huán)。過程如下(1)選擇優(yōu)先級最高的邊緣面片作為當(dāng)前的待填充面片(用Ψp表示)，以Ψp為中心的區(qū)域θ即為當(dāng)前的局部源區(qū)域。同時將計數(shù)器清零。
(2)在源區(qū)域θ內(nèi)搜索，根據(jù)相似度判斷準(zhǔn)則，將滿足RGB顏色空間內(nèi)相似度約束條件的所有面片存入候選項鏈表list中。
(3)如果候選項鏈表非空，則該邊緣面片Ψp確定為本次迭代的待填充面片；否則，說明在當(dāng)前已知的源采樣圖里不存在與該邊緣面片相匹配的樣圖塊，經(jīng)過進(jìn)一步修復(fù)，才有可能出現(xiàn)其相似塊。因此，繼續(xù)下面的第(4)步。
(4)計數(shù)器加1。
(5)如果計數(shù)器沒有達(dá)到用戶規(guī)定的次數(shù)(本方法在實驗過程中，取該值為10)，繼續(xù)第6)步，否則，增加ε值為原來的1.5倍，返回到第(1)步。
(6)將該面片掛起，選擇剩余邊緣面片中優(yōu)先級最高的面片(用Ψp表示)，作為當(dāng)前的待填充面片，退回到(2)。
如圖4所示為某一次迭代，優(yōu)先級最高的待填充面片Patch(1)，顯然是一種特殊面片——在圖中找不到匹配塊。而優(yōu)先級其次的邊緣面片Patch(n)在當(dāng)前的RGB顏色空間內(nèi)相似度約束條件下能找到匹配塊。如果采用文獻(xiàn)5中的方法，不考慮相似度問題，直接用一個相似度小的面片直接填充，會引起人為加工痕跡。(a)是本方法根據(jù)相似度調(diào)整填充順序的填充過程，(b)是單依靠優(yōu)先級決定填充順序的填充過程。比較兩者可見，本方法的填充順序更接近于人工修復(fù)的順序，即對于圖中所示的目標(biāo)區(qū)域，從上下兩例沿著當(dāng)前已知曲線的走向逐漸向中間收縮，最后匯于一點(diǎn)。
第三步基于樣圖的紋理合成方法，同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息采用基于樣圖的紋理合成方法同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息，過程如下(1)相似性度量準(zhǔn)則中加入梯度信息對于紋理性較強(qiáng)的區(qū)域來說(如圖5(a)所示，綠色線框內(nèi)的部分)，采用公式(1)定義的距離作為相似度的判斷準(zhǔn)則，就能找到近似的匹配面片。但是，對于圖5(a)中紫色線框內(nèi)的區(qū)域，放大后為圖(b)(c)，該區(qū)域有兩種不同走向的連續(xù)邊緣線(分別如圖(b)(c)內(nèi)的黃色線條所標(biāo)志的邊緣)，圖(b)藍(lán)色線框?qū)?yīng)的邊緣面片，權(quán)值較高(根據(jù)上述權(quán)值的計算方法，等照度線平行于中心點(diǎn)的法向量)，最先被填充，保持原始圖像內(nèi)黃線所標(biāo)志的邊緣的連續(xù)性，比較容易。但是對于圖(c)天藍(lán)色線框所對應(yīng)的邊緣面片，權(quán)值較低(等照度線方向垂直于中心點(diǎn)法向量)，很難保持原始圖像內(nèi)黃色線段標(biāo)志的邊緣線的連續(xù)性。為了解決這一問題，本發(fā)明引入該線性區(qū)域內(nèi)的另一個突出特征——梯度信息，相似度的度量準(zhǔn)則為顏色和梯度兩個空間的距離，定義如下D=1AΣi=1i=A((Cpi-Cqi)2+(Gpi-Gqi)2)---(6)]]>
dmax=1AΣp∈(Ψp∩Ω‾)((ϵCp)2+(ϵGp)2)---(7)]]>D表示兩個邊緣面片Ψp和Ψq之間的距離，A表示Ψp內(nèi)已知像素的個數(shù)，C表示RGB顏色向量，G表示圖像中亮度梯度向量。dmax表示當(dāng)前邊緣面片所允許的最大匹配誤差，小于dmax稱為該邊緣面片在顏色和梯度兩個空間的相似度約束條件，ε是一個用戶預(yù)定義參數(shù)(同文獻(xiàn)2介紹的公式)。
(2)兩重匹配為了提高計算的效率，本發(fā)明提出一種新的匹配算法——兩重匹配算法。
第一重，在局部源區(qū)域θ內(nèi)搜索，依據(jù)公式(1)和(2)的相似度判斷準(zhǔn)則。前面第二步根據(jù)相似度調(diào)節(jié)填充順序過程中查找匹配塊的過程已經(jīng)完成，這里，直接將保存的候選項鏈表list作為其輸出，備第二重匹配用。
第二重，將候選項鏈表list作為新的采樣源，按照公式(6)(7)，查找距離小于dmax值的樣圖塊，組成新的候選項鏈表。類似于圖5(a)中綠色方塊區(qū)域內(nèi)紋理性較強(qiáng)的圖像，經(jīng)過第一重匹配就能獲取相似的面片，但是對于復(fù)雜的圖像就需要第二重匹配，獲取更具相似特征的樣圖面片。
(3)填充在新的候選項鏈表中任意選擇一塊Ψq，Ψp中未知像素的顏色用Ψq中相應(yīng)像素的顏色來填充。
第四步修改(ΨpIΩ)內(nèi)像素確信度值從上述的信息擴(kuò)展過程可知，填充與被填充面片之間只能是在一定范圍內(nèi)的相似，而不是完全相同，因此有匹配誤差存在，而且隨著修復(fù)的進(jìn)行，累積誤差的增加會引起錯誤信息的蔓延。為反映匹配誤差的影響，本發(fā)明設(shè)計的像素確信度函數(shù)，由兩個因素決定填充時所在邊緣面片的確信度和填充顏色的正確性。邊緣面片確信度函數(shù)的定義同公式(3)；填充顏色的正確性函數(shù)定義為exp(-kD2)，D的定義同公式(6)，k是一個調(diào)節(jié)系數(shù)。因此，ΨpIΩ內(nèi)任一像素點(diǎn)的確信度值定義為C(p′)＝C(p)exp(-kD2)p′∈(ΨpIΩ) (8)從公式(8)可知，越靠近Ω的中心部分，被填充的顏色信息正確性越低，像素的確定性值越小，與修復(fù)圖像的實際情況相符。
權(quán)利要求
1.一種圖像修復(fù)方法，其特征在于包括以下步驟(1)用戶選擇出圖像上待修復(fù)的區(qū)域；(2)自動修復(fù)過程，該自動修復(fù)過程是以邊緣面片作為一次迭代填充的單位，重復(fù)下面四步，直到填滿整個被修復(fù)區(qū)域內(nèi)所有的像素，其步驟如下第一步，計算邊緣上所有面片的優(yōu)先級；第二步，根據(jù)優(yōu)先級和相似度準(zhǔn)則確定本次迭代將填充的邊緣面片；第三步，采用紋理合成方法，同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息；第四步，更新本次迭代處理的面片內(nèi)被合成的像素確信度值。
2.根據(jù)權(quán)利要求1所述的圖像修復(fù)方法，其特征在于第二步所述的確定本次迭代過程將填充的邊緣面片采用的策略是填充順序由優(yōu)先級和相似度兩個因素決定，優(yōu)先級是主要因素，相似度是調(diào)節(jié)因素，其填充過程如下(a)選擇優(yōu)先級最高的邊緣面片作為當(dāng)前的待填充面片；(b)在RGB顏色空間內(nèi)選出滿足該空間相似度約束條件的匹配塊，存儲到一個鏈表里，如果鏈表非空，則將該邊緣面片確定為本次迭代將填充的面片，否則繼續(xù)(c)；(c)將該面片掛起，選擇剩余邊緣面片中優(yōu)先級最高的面片，作為當(dāng)前的待填充面片，回到(b)。
3.根據(jù)權(quán)利要求1所述的圖像修復(fù)方法，其特征在于第三步所述的采用紋理合成方法，同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息過程中采用兩重匹配算法第一重，直接利用權(quán)利要求2(b)步驟中獲取的鏈表作為本重匹配的輸出結(jié)果；第二重，在顏色和梯度兩個空間內(nèi)，從第一重選出的匹配塊內(nèi)，選出滿足顏色和梯度兩個空間相似度約束條件的匹配塊。
4.根據(jù)權(quán)利要求1所述的圖像修復(fù)方法，其特征在于第四步像素的確信度計算方法中采用像素的確信度值由像素被填充時所在的邊緣面片的確信度值和該面片的匹配誤差共同決定。
全文摘要
一種圖像修復(fù)方法，由用戶選擇出圖像上待修復(fù)的區(qū)域后進(jìn)行自動修復(fù)過程，自動修復(fù)過程以邊緣面片作為一次迭代填充的單位，重復(fù)下面四步，直到填滿整個待修復(fù)區(qū)域第一步，計算邊緣上所有面片的優(yōu)先級；第二步，根據(jù)優(yōu)先級和相似度準(zhǔn)則確定本次迭代將填充的邊緣面片；第三步，采用紋理合成方法，同時擴(kuò)展已知的紋理和結(jié)構(gòu)信息；第四步，更新本次迭代處理的面片內(nèi)被合成的像素確信度值。實驗結(jié)果表明，本發(fā)明的修復(fù)結(jié)果優(yōu)于當(dāng)前同類修復(fù)方法所生成的結(jié)果，修復(fù)過程更接近于手工修復(fù)過程，魯棒性高，有效地防止了錯誤信息的連續(xù)擴(kuò)展，已成功地應(yīng)用于多種具有復(fù)雜紋理和結(jié)構(gòu)特征的真實照片或合成圖像的修復(fù)。此外，本發(fā)明也應(yīng)用于數(shù)字博物館中古字畫的修復(fù)。
文檔編號G06T5/00GK1731449SQ20051001216
公開日2006年2月8日 申請日期2005年7月14日 優(yōu)先權(quán)日2005年7月14日
發(fā)明者趙沁平, 齊越, 沈旭昆, 李便茹 申請人:北京航空航天大學(xué)