小波域的样本块彩色图像修复研究
发布时间：2021-04-01 22:00
数字图像处理是使用计算机对图像进行除噪、增强、修复、分割等处理的技术,其中数字图像修复技术是图像处理技术研究的热门领域。图像修复是指通过对破损图像中有效信息的处理和计算,实现对缺损信息的有效估计,从而使修复后的图像整体上更加和谐。本论文在研究数字图像样本修复原理的基础之上,分析已有基于小波变换域的图像修复模型及算法的特点,从提高修复效果和修复效率的角度,探讨了基于小波变换域的样本修复模型和改进措施。本论文的主要研究工作和成果体现如下:1.针对现有图像修复算法对大尺度破损和强结构性纹理修复存在的不足,利用小波域的图像变换特征,采用分层分类的修复方法,提出一种基于小波域与结构相似度的样本块彩色图像修复新算法。该算法首先通过多层小波分解将待修复图像分解成分辨率不同的低频子图和高频子图,对反映边缘和纹理信息的高频子图,通过引入结构相似度约束因子,对样本法中的最佳匹配准则重新定义,同时利用高频小波系数改进优先权,实现高频子图的修复;对反映结构信息的低频子图,采用快速行进算法进行修复;最后利用小波重构,完成对整个破损图像的修复。仿真实验结果表明,该算法修复的图像既有较为自然的视觉效果,又有较高的峰...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
修复破
杭州电子科技大学硕士学位论文82.3基于偏微分方程的图像修复技术2.3.1BSCB模型图2.2为BSCB模型[2]示意图，其中I为待修复图像，Ω为破损区域，Ω为破损边界，NDq为破损边界Ω处各点的等照度线方向。图2.2BSCB模型示意图BSCB模型的迭代过程如下[2]：1(,)(,)(,),(,)nnntijijtijij+I=I+IΩ(2.2)其中，n为迭代次数，ji),(为像素点的坐标，(,)nIij为待修复图像n次迭代后的结果，t为迭代步长，(,)ntIij为第n次迭代后对(,)nIij的修正量。随着迭代的不断进行，(,)nIij会逐渐逼近()1,nij+I，当差值降低到一定阈值，则跳出循环并输出修复图像。BSCB模型采用各向异性的扩散方式，即：(,,)(,)(,,)(,,),(,)xytgxykxytxytxyt=IIΩ(2.3)其中，yxg),(为平滑函数，tyxk),,(为等照度线的曲率，Ω代表Ω中以为半径的圆状区域，即：1,(,)(,)0,(,)ijgxyij=ΩΩΩ(2.4)BSCB修复模型的扩散方法容易导致纹理细节的丢失，在修复纹理丰富的强结构性区域时往往会产生过平滑的问题。然而，该模型对修复小尺度破损如划痕等效果理想。此外，该算法复杂度较高，修复时间相对较长。
杭州电子科技大学硕士学位论文92.3.2TV模型图2.3TV模型示意图图2.3为TV模型[3]示意图，I为待修复图像，Ω为破损区域，E为Ω的已知邻域且呈环形闭合，设区域S=EΩ，则Ω上的能量函数定义为[3]：R(u)=r(u)dxdyS(2.5)其中，u为修复后图像的灰度值。考虑到噪声干扰，式(2.5)还应满足环形区域E的噪声约束条件：2021Area()uudxdy=EE(2.6)其中，Area(E)代表区域E的面积，0u为包含噪声的图像，为边界处噪声的标准偏差。为保持边缘结构的连贯性，实函数r)(应满足约束：r()dxdy+Ω。一般情况下，函数xr)(可表示为：)(xxr+=a低阶项(2.7)当x→时，a应满足a1，并使得xr)(的值有限。当a=1时，)(xxr=，即为所谓的TV修复模型：R(u)=udxdyS(2.8)引进拉格朗日乘子来求解式(2.5)的极值，得到新的能量函数：20()2Juudxdyuudxdy=+SS(2.9)其中，前者为光滑项，使修复边界光滑，减少修复痕迹；后者为数据保真项，是为了降低噪声因素造成的干扰。根据拉格朗日方程求解式(2.9)极值，可以得到：0()0uuuu+=(2.10)
【参考文献】：
期刊论文
[1]基于信息熵和结构特性的敦煌壁画修复算法[J]. 陈永,艾亚鹏,陈锦. 激光与光电子学进展. 2020(12)
[2]基于边缘特征和像素结构相似度的图像修复算法[J]. 陶兆胜,张敬寒,王磊,占伟豪,王丽华. 计算机辅助设计与图形学学报. 2019(10)
[3]结构张量的改进Criminisi修复[J]. 何雨亭,唐向宏,张越,杨瑞. 中国图象图形学报. 2018(10)
[4]基于SSIM的自适应样本块图像修复算法[J]. 何凯,牛俊慧,沈成南,卢雯霞. 天津大学学报(自然科学与工程技术版). 2018(07)
[5]基于改进Eikonal方程的小波图像修复算法[J]. 李尊,补朝阳. 新乡学院学报. 2017(12)
[6]基于双树复小波的图像修复[J]. 窦立云,徐丹,李杰,陈浩,刘义成. 计算机科学. 2017(S1)
[7]基于稀疏分解的图像修复方法[J]. 祝轩,张旭峰,李秋菊,王宁,陶吉瑶. 计算机科学. 2016(01)
[8]小波变换与纹理合成相结合的图像修复[J]. 张东,唐向宏,张少鹏,黄俊泽. 中国图象图形学报. 2015(07)
[9]一种改进的小波域图像修复算法[J]. 胡文瑾,刘仲民,李战明. 计算机科学. 2014(05)
[10]基于聚类分割和纹理合成的图像修复改进算法[J]. 肖娟,王嵩,张雯雰. 计算机工程与应用. 2014(08)
博士论文
[1]基于样本和稀疏表示的图像修复方法研究[D]. 张雷.西北大学 2016
硕士论文
[1]基于结构信息与块统计特性的图像修复算法研究[D]. 占丽琴.南昌航空大学 2016
[2]基于小波变换的图像修复算法研究[D]. 王艳琴.天津职业技术师范大学 2016
[3]小波变换域的数字图像修复研究[D]. 张东.杭州电子科技大学 2016
[4]基于纹理合成的图像修复算法研究[D]. 方宝龙.山东大学 2013
本文编号：3114023
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
修复破
杭州电子科技大学硕士学位论文82.3基于偏微分方程的图像修复技术2.3.1BSCB模型图2.2为BSCB模型[2]示意图，其中I为待修复图像，Ω为破损区域，Ω为破损边界，NDq为破损边界Ω处各点的等照度线方向。图2.2BSCB模型示意图BSCB模型的迭代过程如下[2]：1(,)(,)(,),(,)nnntijijtijij+I=I+IΩ(2.2)其中，n为迭代次数，ji),(为像素点的坐标，(,)nIij为待修复图像n次迭代后的结果，t为迭代步长，(,)ntIij为第n次迭代后对(,)nIij的修正量。随着迭代的不断进行，(,)nIij会逐渐逼近()1,nij+I，当差值降低到一定阈值，则跳出循环并输出修复图像。BSCB模型采用各向异性的扩散方式，即：(,,)(,)(,,)(,,),(,)xytgxykxytxytxyt=IIΩ(2.3)其中，yxg),(为平滑函数，tyxk),,(为等照度线的曲率，Ω代表Ω中以为半径的圆状区域，即：1,(,)(,)0,(,)ijgxyij=ΩΩΩ(2.4)BSCB修复模型的扩散方法容易导致纹理细节的丢失，在修复纹理丰富的强结构性区域时往往会产生过平滑的问题。然而，该模型对修复小尺度破损如划痕等效果理想。此外，该算法复杂度较高，修复时间相对较长。
杭州电子科技大学硕士学位论文92.3.2TV模型图2.3TV模型示意图图2.3为TV模型[3]示意图，I为待修复图像，Ω为破损区域，E为Ω的已知邻域且呈环形闭合，设区域S=EΩ，则Ω上的能量函数定义为[3]：R(u)=r(u)dxdyS(2.5)其中，u为修复后图像的灰度值。考虑到噪声干扰，式(2.5)还应满足环形区域E的噪声约束条件：2021Area()uudxdy=EE(2.6)其中，Area(E)代表区域E的面积，0u为包含噪声的图像，为边界处噪声的标准偏差。为保持边缘结构的连贯性，实函数r)(应满足约束：r()dxdy+Ω。一般情况下，函数xr)(可表示为：)(xxr+=a低阶项(2.7)当x→时，a应满足a1，并使得xr)(的值有限。当a=1时，)(xxr=，即为所谓的TV修复模型：R(u)=udxdyS(2.8)引进拉格朗日乘子来求解式(2.5)的极值，得到新的能量函数：20()2Juudxdyuudxdy=+SS(2.9)其中，前者为光滑项，使修复边界光滑，减少修复痕迹；后者为数据保真项，是为了降低噪声因素造成的干扰。根据拉格朗日方程求解式(2.9)极值，可以得到：0()0uuuu+=(2.10)
【参考文献】：
期刊论文
[1]基于信息熵和结构特性的敦煌壁画修复算法[J]. 陈永,艾亚鹏,陈锦. 激光与光电子学进展. 2020(12)
[2]基于边缘特征和像素结构相似度的图像修复算法[J]. 陶兆胜,张敬寒,王磊,占伟豪,王丽华. 计算机辅助设计与图形学学报. 2019(10)
[3]结构张量的改进Criminisi修复[J]. 何雨亭,唐向宏,张越,杨瑞. 中国图象图形学报. 2018(10)
[4]基于SSIM的自适应样本块图像修复算法[J]. 何凯,牛俊慧,沈成南,卢雯霞. 天津大学学报(自然科学与工程技术版). 2018(07)
[5]基于改进Eikonal方程的小波图像修复算法[J]. 李尊,补朝阳. 新乡学院学报. 2017(12)
[6]基于双树复小波的图像修复[J]. 窦立云,徐丹,李杰,陈浩,刘义成. 计算机科学. 2017(S1)
[7]基于稀疏分解的图像修复方法[J]. 祝轩,张旭峰,李秋菊,王宁,陶吉瑶. 计算机科学. 2016(01)
[8]小波变换与纹理合成相结合的图像修复[J]. 张东,唐向宏,张少鹏,黄俊泽. 中国图象图形学报. 2015(07)
[9]一种改进的小波域图像修复算法[J]. 胡文瑾,刘仲民,李战明. 计算机科学. 2014(05)
[10]基于聚类分割和纹理合成的图像修复改进算法[J]. 肖娟,王嵩,张雯雰. 计算机工程与应用. 2014(08)
博士论文
[1]基于样本和稀疏表示的图像修复方法研究[D]. 张雷.西北大学 2016
硕士论文
[1]基于结构信息与块统计特性的图像修复算法研究[D]. 占丽琴.南昌航空大学 2016
[2]基于小波变换的图像修复算法研究[D]. 王艳琴.天津职业技术师范大学 2016
[3]小波变换域的数字图像修复研究[D]. 张东.杭州电子科技大学 2016
[4]基于纹理合成的图像修复算法研究[D]. 方宝龙.山东大学 2013
本文编号：3114023
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3114023.html
最近更新
教材专著
