发明专利样稿.docVIP

本发明涉及一种图像修复方法，本发明首先将目标图像进行方向经验模型分解，并允许根据已有信息绘制给定待修复区域内已破坏的边结构信息，利用方向经验模型分解得到的频率特征值计算相似度先行完成整个受损区域内的边结构修复，然后再根据待修复区域边界上像素点的梯度特征结合置信度计算剩余填充区域的优先级，并再次利用分解得到的频率特征值计算相似度完成对应区域的修复。本发明的方法不仅能够修复较大尺度缺损区域中的结构和纹理信息，还能够修复具有一定遮挡关系的图像。修复过程鲁棒性高，有效地防止了错误信息的连续扩展。  1、一种图像修复方法，其特征在于，包括以下步骤： 步骤一，对于给定的图像f (x, y)，其中x，y表示像素点的坐标值；f (x, y)进行分解，得到三级以上图像； 步骤三，根据已有信息修复每级分解所得图像的待修复区域中已破坏的边缘结构； 步骤四，自动修复各级图像，以每级分解图像的边界上优先级最高的目标样本块作为一次迭代填充单位，重复以下步骤，直到填满各级图像被修复区域内的所有像素： 步骤（1），利用梯度值、置信度计算各级图像边界区域的优先级， 步骤（2），根据优先级、相似度和相关性搜索策略确定本次各级图像填充的目标样本块，完成对应区域的修复， 步骤（3），更新本次迭代处理后的各级图像边界区域像素的置信度； 其中， 梯度值，其中，N表示像素的邻域面积，大小与待修复的目标样本块和源样本块为的大小相同，表示N中所含像素个数； 置信度，其中，为原图像，为待修复区域，当像素，点处的置信度初始化为0，否则初始化为1； 对于给定中心位置在处的目标样本块，待修复区域的边界为，，其优先级，其中，，表示待修复的目标样本块中所含像素个数，为梯度值。 2、根据权利要求1所述的一种图像修复方法，其特征在于，步骤二中，采用方向经验模型将图像f (x, y)分解为： ， 其中，是对应于方向的二维，对应于方向的为按照绘制顺序绘制的第一条曲线与待修复区域的交界位置；对应的搜索匹配空间为在已知区域绘制的曲线上，并利用当前级图像中目标样本块与源样本块的相似度在定义的搜索匹配空间中搜索与其匹配的源样本块，直到边缘结构完全修复； 对于图像中每个像素点(x,y)的三个频率特征值计算公式为： ， 其中：， ， imfiH (x, y)为第i级图像imfi (x, y)对应于方向的2–D Hilbert变换；k =1对应方向，k =2对应+90°方向。 4、根据权利要求3所述的一种图像修复方法，其特征在于，步骤四的步骤（2）中，填充过程如下： 步骤(41) 在待修复图像中，利用梯度值、置信度确定剩余目标样本块的填充优先级，选取优先级最高的块作为当前待修复的目标样本块； 步骤(42) 在图像中待修复区域外的部分，利用方向经验模型分解得到的频率特征值，在对应级图像的图像中待修复区域外的部分中搜索具有最高相似性的源样本块进行复制，完成当前目标区域的修复； 步骤(43) 对于其它级图像的修复，利用相关性搜索策略完成对应的修复； 步骤(44) 更新本次迭代处理后的各级图像边界区域像素的置信度为1，重复以上步骤，直到完成各级图像的修复。 5、根据权利要求4所述的一种图像修复方法，其特征在于，所述相关性搜索策略包括以下步骤：初始化：Imf (i) 和Imf (i-1)为相邻两级待修复图像，Imf (i-1)为已经修复完毕的图像，Imf (i)为当前待修复图像；采用优先级计算方法计算图像Imf (i)边界区域的优先级，选取具有最高填充优先级的目标样本块为当前待填充块，其中心点为当前待填充区域的边界；在其上一级已修复完毕的IMF图像Imf (i-1)中的寻找对应位置，从对应的已知区域中搜索与目标样本块匹配的源样本块；在Imf (i)图像中寻找与对应的源样本块，并通过计算，求得最为匹配的源样本块；重复直到完成该级图像Imf (i)的修复。与源样本块的相似度计算公式为：，其中，指第i级图像中的目标样本块，指对应合成的第i级图像中的源样本块，N指图像块在已知区域所占像素个数，和指的是对应区域中第j个像素的频率特征值。 一种图像修复方法 技术领域 本发明涉及一种图像修复方法，属于计算机图像处理和计算机图形学领域，具体说是一种图像修复算法。 背景技术 图像修复。这项技术涉及图像处理，计算机视觉，图形学，模式识别，人工智能，机器学习等多个领域的技术。近年来，在图像和视频修复方面，国内外的研究者从不同的研究角度出发提出了很多卓有成效的法，根据出发点的不同，概括起来，其中代表性的方法大致可以分为类：一类是基于偏微分方程(Partial Differential Equation, PDE)的修复方法M. Bertalmio, G. Sapiro, V. Caselles, et al.. Image inpa