基于样本块稀疏表示的彩色图像修复研究
发布时间：2021-11-21 11:00
数字图像修复技术是对图像的破损区域进行填充的技术,能使修复后的图像不影响人的视觉感受。现今,该技术应用广泛,主要用于文物字画保护、老照片修复和字幕去除等。本论文根据数字图像修复原理,以稀疏表示的图像修复方法作为主要研究内容。首先对现有的相关算法进行分析、比较和仿真,总结这些算法的优点和存在的不足;然后从字典构造、结构稀疏的传播方式以及匹配样本块的选择等角度,探讨基于样本块稀疏表示的彩色图像修复方法。论文主要的研究工作与创新点如下:1.针对传统多样本块稀疏表示的图像修复过程中,容易因匹配样本块的错误,重构出不正确的填充块,致使在边缘部分产生不连贯的现象,提出了一种正则加权的稀疏表示图像修复算法。该算法首先采用颜色信息与余弦距离结合的方法定义图像块匹配准则,在目标邻域范围内获得结构变化趋势更相似的匹配块组构成字典;然后在稀疏重构过程中,同时考虑已知信息和估计的未知信息,利用相似块与目标块的匹配程度,对稀疏系数增加不同的权重,以此来增强筛选匹配块的能力,减少纹理模糊现象;最后根据结构稀疏度自适应地在各结构复杂度不同的区域确定样本块尺寸,减少图像修复过程中的错误传播现象。仿真实验结果表明,与其...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
BSCB模型修复示意图
杭州电子科技大学硕士学位论文9,,(,)(,,)(,,),(,)xytgxykxytxytxytIIΩ(2.2)其中，yxg),(为平滑函数，tyxk),,(为等照度线的曲率，Ω代表Ω中以像素点为圆心、以为半径的圆形区域，其表达式为：1,(,)(,)0,(,)ijgxyijΩΩΩ(2.3)BSCB修复模型通过将源信息各向异性地扩散到破损区域，容易丢失纹理细节，使得图像的修复结果比较平滑，当修复具有丰富细节的结构时会对出现过平滑的现象，因此该模型对小面积的划痕类破损具有较好的修复效果。此外，该算法的整体修复时间也相对较长。2.2.2TV模型TV模型的图像修复算法是属于基于PDE修复算法的一类，由Chan等人[10]提出。算法通过能量泛函最小化的方式修复破损图像，对小尺度破损的图像取得了较好的效果。图2.2TV模型修复示意图图2.2为TV修复模型示意图，I代表整张破损图像，Ω为图像的破损区域，E为Ω的环形闭合已知邻域，若设区域SEΩ，则Ω上的能量函数可定义为：R(u)r(u)dxdyS(2.4)其中，u为修复后的图像灰度值，r)(是一个实函数。由于图像容易受到噪声的干扰，因此式（2.4）还应满足闭合区域E的噪声约束条件：2021Area()uudxdyEE(2.5)其中，Area(E)代表E区域的面积，0u为含有白噪声的原始图像，为边界像素点的高斯白噪声的标准偏差。为了保持边缘结构的连续性，式（2.4）应当有极值，即函数r)(应满足约束条件：rdxdyΩ。一般情况下，函数xr)(可以表示成如下形式：)(xxra低阶项(2.6)
权的计算。为了保证图像纹理和结构的一致性，Criminisi算法的优先权由数据项与置信度项组成，其中数据项是为了区别含有明显边缘信息的图像块，以满足边缘优先修复的原则；置信度项是为了克服图像块传播过程中的过度复制，提升算法的可靠性。图2.4为Criminisi算法示意图，Φ为图像的已知区域，Ω为图像的待修复区域，Ω为破损区域的边界，p为破损边缘Ω上的任意一个像素点，pψ是以pΩ为中心的待修复图像块。则pψ的优先级函数pP)(的计算公式如下：pPppDC)()()((2.16)()()pqpCqCpψΦψ(2.17)图2.4Criminisi算法示意图2.3基于纹理合成的图像修复算法
【参考文献】：
期刊论文
[1]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)
[2]利用梯度融合与聚类的三维视频图像修复[J]. 来伊丽,唐向宏,楼幸欣. 计算机辅助设计与图形学学报. 2018(03)
[3]结构优化的彩色图像稀疏表示的修复方法[J]. 张少鹏,唐向宏,来伊丽,何雨亭. 杭州电子科技大学学报(自然科学版). 2017(03)
[4]非局域样本填充和自适应曲率驱动模型的遥感图像修复算法[J]. 王相海,孙丽,万宇,王爽,陶兢喆. 模式识别与人工智能. 2016(08)
[5]SL0分类稀疏表示的图像修复算法[J]. 屠雅丽,唐向宏,张东,蔡倩,任玉升. 杭州电子科技大学学报(自然科学版). 2016(01)
[6]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)
[7]基于破损区域分类的自适应扩散模型[J]. 段维夏,聂洪玉,王猛. 计算机应用研究. 2016(09)
[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]结合颜色和梯度信息的稀疏图像修复算法[J]. 李志丹,和红杰,尹忠科,陈帆. 计算机研究与发展. 2014(09)
[10]基于双十字TV模型的图像修复算法（英文）[J]. 翟东海,段维夏,鱼江. 电子科技大学学报. 2014(03)
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
本文编号：3509387
【文章来源】：杭州电子科技大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
BSCB模型修复示意图
杭州电子科技大学硕士学位论文9,,(,)(,,)(,,),(,)xytgxykxytxytxytIIΩ(2.2)其中，yxg),(为平滑函数，tyxk),,(为等照度线的曲率，Ω代表Ω中以像素点为圆心、以为半径的圆形区域，其表达式为：1,(,)(,)0,(,)ijgxyijΩΩΩ(2.3)BSCB修复模型通过将源信息各向异性地扩散到破损区域，容易丢失纹理细节，使得图像的修复结果比较平滑，当修复具有丰富细节的结构时会对出现过平滑的现象，因此该模型对小面积的划痕类破损具有较好的修复效果。此外，该算法的整体修复时间也相对较长。2.2.2TV模型TV模型的图像修复算法是属于基于PDE修复算法的一类，由Chan等人[10]提出。算法通过能量泛函最小化的方式修复破损图像，对小尺度破损的图像取得了较好的效果。图2.2TV模型修复示意图图2.2为TV修复模型示意图，I代表整张破损图像，Ω为图像的破损区域，E为Ω的环形闭合已知邻域，若设区域SEΩ，则Ω上的能量函数可定义为：R(u)r(u)dxdyS(2.4)其中，u为修复后的图像灰度值，r)(是一个实函数。由于图像容易受到噪声的干扰，因此式（2.4）还应满足闭合区域E的噪声约束条件：2021Area()uudxdyEE(2.5)其中，Area(E)代表E区域的面积，0u为含有白噪声的原始图像，为边界像素点的高斯白噪声的标准偏差。为了保持边缘结构的连续性，式（2.4）应当有极值，即函数r)(应满足约束条件：rdxdyΩ。一般情况下，函数xr)(可以表示成如下形式：)(xxra低阶项(2.6)
权的计算。为了保证图像纹理和结构的一致性，Criminisi算法的优先权由数据项与置信度项组成，其中数据项是为了区别含有明显边缘信息的图像块，以满足边缘优先修复的原则；置信度项是为了克服图像块传播过程中的过度复制，提升算法的可靠性。图2.4为Criminisi算法示意图，Φ为图像的已知区域，Ω为图像的待修复区域，Ω为破损区域的边界，p为破损边缘Ω上的任意一个像素点，pψ是以pΩ为中心的待修复图像块。则pψ的优先级函数pP)(的计算公式如下：pPppDC)()()((2.16)()()pqpCqCpψΦψ(2.17)图2.4Criminisi算法示意图2.3基于纹理合成的图像修复算法
【参考文献】：
期刊论文
[1]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)
[2]利用梯度融合与聚类的三维视频图像修复[J]. 来伊丽,唐向宏,楼幸欣. 计算机辅助设计与图形学学报. 2018(03)
[3]结构优化的彩色图像稀疏表示的修复方法[J]. 张少鹏,唐向宏,来伊丽,何雨亭. 杭州电子科技大学学报(自然科学版). 2017(03)
[4]非局域样本填充和自适应曲率驱动模型的遥感图像修复算法[J]. 王相海,孙丽,万宇,王爽,陶兢喆. 模式识别与人工智能. 2016(08)
[5]SL0分类稀疏表示的图像修复算法[J]. 屠雅丽,唐向宏,张东,蔡倩,任玉升. 杭州电子科技大学学报(自然科学版). 2016(01)
[6]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)
[7]基于破损区域分类的自适应扩散模型[J]. 段维夏,聂洪玉,王猛. 计算机应用研究. 2016(09)
[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]结合颜色和梯度信息的稀疏图像修复算法[J]. 李志丹,和红杰,尹忠科,陈帆. 计算机研究与发展. 2014(09)
[10]基于双十字TV模型的图像修复算法（英文）[J]. 翟东海,段维夏,鱼江. 电子科技大学学报. 2014(03)
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
本文编号：3509387
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3509387.html
最近更新
教材专著
