中图分类号：tp391 文献标识码 - 中国图象图形学报.doc

中图法分类号：TP391 文献标识码： A孟春芝，何凯，焦青兰 天津大学电子信息工程学院，天津 300072） 关键词：图像修复；纹理合成；自适应样本块大小；梯度域 Image completion method with adaptive patch size Meng Chunzhi，He Kai，Jiao Qinglan (School of Electronic Information Engineering，Tianjin University，Tianjin 300072) Abstract In the traditional examplar-based algorithm, the image completion effect is greatly degraded due to the fixed patch-size, which cannot change with image automatically in the process of completing. So this paper proposed an adaptive patch-size determining method to solve this problem. By analyzing the image change in gradient domain, this method acquires the structure information of each pixel, and then automatically adjusts the patch-size. The simulation results show that this method can overcome many shortcomings of traditional method, such as structural error propagation and whole structure loss, and realizes perfect completion effect for images with obvious changed structure. Key words: image completion; texture synthesis; adaptive patch size; gradient field 0 引言 图像修复是针对图像中遗失或损坏的部分，利用图像待修补区域的邻域信息，按照一定的原则和算法对未知区域进行修补，其目的是使修复后的图像达到人眼可以接受的效果。由于其在文物保护，影视特技制作，目标物体移除等领域具有重要应用价值，因而得到国内外学者广泛关注，成为当前研究的热点。 Drori等人[1]首先提出了基于块的图像修复算法，按照置信度的高低将图像分为三个部分，对不同置信度的区域采取不同的修复算法。在此基础上， Criminisi和Toyama等人[2]提出了一种新的基于样本块的纹理合成算法，通过计算构造的优先权函数来确定填充最优匹配样本块的顺序，算法保证了结构信息的正确传播和纹理方向的正确扩散，取得了不错的修复效果。屈磊、韦穗等人[3]提出了一种简单的非迭代自适应模板快速图像修复算法，对边缘细节及平滑区域取得了不错的修复效果。2005年，Andrei等人[4]提出了基于边缘的图像修复算法，利用最小代价法来实现多边缘的匹配和自动连接。随后，Sun和Yuan等人[5]提出了一种基于结构传播的修复算法，算法要求用户从图像的已知区域向未知区域手动的画线以确定丢失的重要结构所在位置，该算法有效地保证了结构信息的正确传播。2007年，Shen和Li [6]共同提出了一种联合修复方法，算法基于边缘的区域分割理论，可以在完成结构信息的同时引导纹理信息的合成，一方面避免了数字图像修复中边缘的模糊化效应，另一方面提高了纹理部分的合成速度。2008年，Wang[7]等人利用纹理特征和结构信息将图像分为几个部分，然后依次修复结构和填充纹理，取得了不错的修复效果。同年，Wong 等人[8]提出了一种基于非局部信息的图像复算法，算法从图像的已知信息中选区多个样本块，根据每个样本块与待修复快的相似性来确定其权重信息，从而达到用多个块的和来与待修复块匹配取得了较好的效果。2010年，Xu和Sun等人[9]提出了一种基于块的稀疏性的优先权的计算方法，该算法通过计算待修复块在其邻域中的结构稀疏性来决定块的修复顺序。此种方法在修复图像的结构信息方面取得了较好的效果。胡正平、刘文等人[10]提出了一种局部自适应学习基稀疏约束结合信息优先权选择扩散的迭代滤波图像修复思路，该算法对于纹理图像、边界图像及自然图像有不错的效果。李晋江、张彩明等