数字图像修补技术的研究现状与展望.doc

数字图像修补技术的研究现状与展望 　　引 言 　　随着计算机技术的不断发展，各种数字采集设备应运而生，人们的生活中出现了大量的数字图像，然而，这些数字图像在获取、处理、压缩以及传输的过程中将不可避免地发生一定程度的损坏，导致局部信息的缺失。 数字图像修补技术可以有效地对其进行修复，并使得修补后的图像完好如初，从而广泛地应用于人类生活的各个领域，具有十分重要的理论意义和应用价值。 　　本文由三个部分构成： 第一部分是对数字图像修补技术进行简要介绍，包括数字图像修补技术的概念、目的及研究背景； 第二部分对数字图像修补技术的研究现状进行了系统的综述； 第三部分介绍了数字图像修补技术广泛的应用前景。 　　1 数字图像修补技术介绍 　　数字图像修补技术就是利用图像中未损坏的信息对图像中的待修补区域进行信息填补的过程，其目的是恢复破损图像的完整性，并尽量减少修补的痕迹，使修补后的图像在整体上能够被人的视觉心理所接受，即满足两个重要条件： 一是修补区域的边界与已知区域之间的过渡要平滑，二是修补后整幅图像能够达到形态上的连通性[1],就好像没有经过修补一样自然。 　　“修补”一词最早出现在文艺复兴时期，那时博物馆的艺术修复工作者们希望对中世纪的一些艺术品进行翻新，于是主要采取纯手工修补的方式对其裂缝进行填补，从而达到艺术品修复的目的。 然而，该方法操作繁琐、效率低下，且稍有不慎就会对艺术品造成二次损坏。 之后，随着计算机技术的不断发展，Bertalmio 等人[2] 　　在 2000 年的 SIGGRAPH 国际学术会议上首次开创性地提出了“数字图像修补”这一名词，并将计算机技术与图像修补技术巧妙地结合在一起，试图借助计算机寻找一种高效的图像修补方式，从而实现图像修补技术的自动化或半自动化。 短短十几年间，数字图像修补技术以其强大的生命力迅速蓬勃发展起来，成为了数字图像处理领域一个新的研究热点。 　　2 数字图像修补技术的研究现状 　　目前，对数字图像修补技术的研究主要可以归纳为以下三大方面。 　　2. 1 基于变分 PDE 的数字图像修补技术 　　基于变分 PDE 的数字图像修补技术是早期的图像修补方法，主要包括两大类： 一类是基于偏微分方程（ PDE） 的图像修补方法，另一类是基于变分法的图像修补方法。 由于 PDE 和变分法可以通过变分原理相互等价推出，因此本文把这两类方法统称为变分 PDE 方法[3]. 　　Bertalmio 等人[2]率先提出了基于三阶 PDE 的 BSCB 模型，其基本思想是将待修补区域周围的信息沿等照度线的方向光滑延伸到待修补区域内，从而达到图像修补的效果。 另外，Chan 等人[4,5]首次将 TV模型和 Mumford-Shah 模型应用于图像修补领域，并在此基础上提出了 TV 修补模型和 Mumford-Shah 修补模型。 然而，这两种方法存在一个共同的缺陷，即不满足图像修补的连通性原理，并且修补的图像中存在拐角。 后来，为了克服这一弊端他们又提出了 CDD 修补模型[6],该模型引入曲率对扩散强度进行调节，从而使大曲率处扩散变强，小曲率处扩散逐渐减弱甚至消失。 之后，Chan 等人[7]将弹性能量应用到图像修补中，建立了欧拉弹性修补模型，由于该模型重构图像的水平线为光滑曲线而非直线，因此可以较好地对图像进行曲线修复，具有良好的连续性。 但是，由于欧拉弹性修补模型是一个四阶 PDE 模型，因此数值实现相对复杂，收敛速度较慢。 随后，Esedoglu 等人[8]又将欧拉弹性修补模型引入到了Mumford-Shah 修补模型中，建立了更加有效的 Mumford-Shah-Euler 模型。 然而，基于变分 PDE 的图像修补技术仅适合于对小尺度的受损图像进行修补，对于尺度较大的受损区域，尤其是在纹理比较丰富的情况下，修补区域与周围的纹理区域之间将会产生明显的对比，修补效果不够自然。 2006 年台雪成等人[9]提出了一种基于 TV-Stokes 方程的图像修补模型，由于在该模型中加入了零散度条件，使得该算法能够对较大区域的图像进行修复，并且取得了较好的修复效果。 　　2. 2 基于纹理合成的数字图像修补技术 　　为了解决基于变分 PDE 的方法在修补大范围破损图像时无法解决的图像纹理填充问题，研究者们进一步提出了基于纹理合成的数字图像修补技术[10],该方法将纹理合成技术应用于图像修补领域，其核心思想是仿真并生成局部纹理进行填充[11],取得了较好的修补效果。 　　一部分研究者利用基于像素的纹理合成方法对图像进行修补，其中 Bornard 提出的方法比较典型，能够修补图像的边缘，且不易出现边缘模糊或断裂的情况，但由于对纹理的全局特征把握不够，因此当修补区域较为复杂时极易出现错误匹配[10]. Harriso