针对匹配块不存在的Criminisi算法改进的探究.pdfVIP

针对匹配块不存在的Criminisi算法改进研究 任 澍唐向宏 康佳伦 杭州电子科技大学通信工程学院，浙江杭州310018 摘要：该文针对Criminisi算法在已知区域中不存在合适匹配块而造成的修复效果失真问题，探讨 了一种利用匹配块相似度大小，对修复失真区域进行定位和修复的改进算法。算法首先对Crimi nisi算法在修复过程中所产生的修复失真区域进行定位，然后将该区域分解为结构和纹理两部分， 最后分别利用TV模型和纹理合成技术完成对结构、纹理的修复。实验证明，改进算法较好地克服 了Criminisi原算法所存在的缺点，有较好的视觉效果。 关键词：修复失真区域；图像分解；纹理合成技术 TP391.41 A 140 杭州电子科技大学学报 2012年 失真区域的定位，然后利用基于图像分解的图像修复算法对失真区域重新修复。 (a)原始图像 (b)待修复图像 (c)原算法修复结果(PSNR=33．124dB) 图1 Criminisi算法对lena的修复效果图 2．1修复失真区域的定位 在寻找最佳匹配块的过程中，Criminisi算法是通过对已知象素点的SSD进行计算，并将其值最小的 匹配块选择为最佳匹配块【6’7j。 Sumof 若将SSD值除以待修复块中已知象素个数所得的均值设为均值象素差平方和(Average Squared 在搜索时所寻找到的SSD已是最小，但它的ASSD相比于先前已修复块仍然较大，大于它们均值的3倍 (350212)。此时若采用匹配块替换，就不能保证待修复块能得到满意的修复效果，易造成较大的偏 差，从而造成如图1(c)所示的不良修复效果。为寻找这些由于不存在最佳匹配块而造成修复失真的区 域(定义为un-matching)，本文采用以下方法来对其进行定位： X 并将该组中每个修复块的ASSD分别与3×mean—ASSD进行比较。若修复块的ASSD大于3mean— 新的一组，进行类似的判断处理，直到图像修复完毕； 完全属于an—matching)，则在其修复完之后也归为un．matching； (3)在修复线性结构时，往往会因最后一个待修复块的不匹配而造成线性修复的不连续，因此，在 修复线性结构时将最后一个待修复块归为un．matching。最后一个待修复块的判定原则为：在图像用 Criminisi算法进行修复之后，按修复先后顺序对已修复块进行检索，并利用方差判断其是否为线性结构 块。若是线性结构块，则检索该块周围的并且修复顺序号在其之后的修复块中是否有线性结构块，若没 有，则判断该块为线性结构修复时的最后一个待修复块。 第5期 任澍等：针对匹配块不存在的Criminisi算法改进研究 141 修复顺序号 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 ASsD 8 63 17 12 123 56 45 5 27 350 9 30 11 48 252 2．2对修复失真区域的重新修复 纹理部分v。对结构部分U的修复，本文首先利用un—matching将结构部分中没找到最佳匹配块的区域 重置为待修复区域，如图1(d)所示。重置之后的待修复区域较小，可以使用Tv模型来进行修复，但由 于其修复结果容易产生模糊，因此需要使用拉普拉斯滤波器来对已修复部分进行滤波，修复并滤波的结 果如图I(e)所示。从图1(e)中可以看到，结构部分修复之后，其肩膀处的曲线得到了较好的保持，取 得了比较理想的修复效果。 对纹理部分v的修复本文采用文献9中的纹理合成技术来进行修复。文献9算法不能对所有纹理 都有较好的修复效果，但是其中的优先权保证了在修复纹理的过程中能使线性结构部分得到较好的 保持。 3实验结果和分析 为了验证改进算法的有效性，本文在计算机上