基于自适应模板的图像修复算法.docVIP

基于自适应模板的图像修复算法 　　摘 要：当前基于纹理的图像修复算法中模板块的尺寸是固定的，这样，当模板块尺寸很小时，虽然修复的精度会提高，但是算法的时间复杂度会大幅增加；相反，当模板块尺寸很大时，虽然可以降低算法的时间复杂度，但会使算法的误修复率提升。针对以上问题，提出了基于自适应模板的图像修复算法，该算法能够根据当前模板块与尺寸扩大后模板块之间的灰度均值及方差的变化情况来自适应地扩大模板尺寸，同时，根据模板块与样本块之间的匹配情况自适应地缩小模板块。最后，将所提提出的算法用于实例验证，其结果表明所提算法不但可以有效地提高图像修复的精度，而且提高了图像修复的效率。 　　关键词：图像修复；Criminisi算法；自适应模板；灰度平均值；灰度方差 　　0 引言 　　图像修复是数字图像处理技术的一个重要分支，是计算机图形和计算机视觉方向的一个极具挑战性的问题，在图像和视频的编辑和传输，以及目标移除等领域均有应用，近年来已逐渐成为一个研究热点[1-2]。 　　目前，国内外研究较多的数字图像处理技术，总体来说，可以分为两大类[3]：第一类是基于结构的方法[4-5]，该方法是通过信息的扩散来对等照度线进行由粗到精的估计，从而实现破损图像修复的过程。第二类是基于纹理合成的方法[6-13]，此类算法的中心思想是从待修复区域边界选取一点，然后以该点为中心，接着根据图像的纹理特征确定合适的模板块大小，最后从未破损区域寻找与之最相似的样本块，来替代模板块，该类算法对破损区域较大的图像具有较好的图像修复效果。具有代表性的是Criminisi等[6-8]提出的一种基于样本块的图像修复算法，该算法是通过自定义一个优先级函数，然后计算破损图像区域中的待修复像素点的优先级，将优先级最高的待修复点确定为最先修复。 　　但是此算法有一个很明显的不足之处，在整个图像修复过程中，模板块的大小是固定不变的，这样，当模板块尺寸很小时，虽然算法的修复精度会提高，但是算法的时间复杂度会增加；相反，当模板块尺寸很大时，虽然可以降低算法的时间复杂度，但会使误修复率增加。2010年，Zhou等[14]提出了一种自适应确定样本块大小的算法，该算法能够根据完好区域图像像素所处邻域的结构信息，自适应确定模板的大小，但该算法是通过计算图像中信息完好区域中各像素点的邻域梯度向量幅值变化来确定最佳样本块大小，对待修复区域缺乏针对性，同时也增加了算法的复杂度。文献[15]通过分析图像的梯度域变化，获得各像素点处的结构信息，进而自适应确定待修复模板的大小，但其仍存在修复精度有待改善和算法复杂度高的问题。 　　基于以上研究，本文提出了基于自适应模板的图像修复算法，该算法根据当前模板块与尺寸扩大后模板块间灰度均值及方差的变化情况来自适应地扩大模板尺寸，同时，根据模板块与样本块之间的匹配情况自适应地缩小模板。最后，将本文提出的算法用于实例验证，其结果表明本文算法不但可以有效地提高图像修复的精度，而且提高了图像修复的效率。 　　1 模板块自适应算法 　　1.1 原理 　　传统的基于样本块的图像修复算法中，模板块的大小是固定不变的，然而，在修复过程中模板块的大小应根据相邻模板块间像素值变化的情况适时地扩大和缩小。图1为破损唐卡图像，其中椭圆空白区域为破损区域，其余区域为完好的区域。图2（a），（b）分别是图1中p点和q点处模板的放大图。其中，小的矩形框代表初始的模板，大的矩形框代表扩大后的模板。由图1可以看出p点的初始模板和扩大后的模板之间像素值变化很平坦，因此模板可以由小的模板扩充为大的模板，此时，可以有效地提升算法的效率。然而，由图2可以看出q点处两模板间像素值变化剧烈，如果选用大的模板，则在图1的完好区域内找不到与之真实匹配的样本，而如果选用小的模板，则可以找到很合适的样本与之匹配，所以此时应该选择小的模板，以提高图像修复的精度。 　　为了能够根据待修复点周围像素的变化情况自适应地调整模板的尺寸，需要寻找能够刻画待修复点周围像素变化的方法，而像素的均值和方差分别可以度量模板内像素值的平均水平及其波动情况。本文算法思想为：1）利用初始模板块与扩大后模板块间像素的均值之差与方差之差与各自阈值的比较来决定初始模板的尺寸是否需要扩大。2）在寻找最佳样本块的过程中通过设置模板块和样本块的相似度阈值来决定是否需要缩小模板块。 　　首先，利用Criminisi算法[16]中优先权计算方法求出最先修复点p，为了确保p为该模板块的中心，正方形模板的边长应该取为奇数，因此，初始模板块的尺寸为3×3。然后，计算初始模板块和其扩大尺寸后的模板块内有效像素点的平均灰度值，并比较两模板间平均灰度值变化，若变化明显则不进行扩充，将原模板作为扩大最优模板块；若变化不明显，则进一步考察两模板间方差的变化用以判