一种改进基于样本目标移除方法.docVIP

一种改进的基于样本的目标移除方法 　　摘 要由Criminisi设想并提出的基于样本块图像修复法，不但能够为大面积破损区域的图像修补工作提供支持，而且可以用于移除图像中不想要的目标物。针对其在计算修复块优先级和搜索最佳匹配块时存在的一些不足，本文提出了一种改进的基于样本的目标移除方法。引入了一种度量图像平滑性的几何量，使优先级的计算更加准确，而且在搜索匹配块时运用螺旋式搜索方法，大大提高搜索速度和准确性。实验结果表明，修复后的图像效果良好，峰值信噪比提高了3.75-7.12dB，同时提高了算法的效率。 　　【关键词】图像修复 优先级 螺旋状搜索 峰值信噪比 　　1 引言 　　伴随着计算机信息技术的快速发展，图像修复技术的应用空间也越来越广阔，可以为古字画修复、影视广告特效制作以及遥感图像处理等提供技术支持。总体来看，国内在数字图像修复技术研究上主要集中在两个方面，一个是偏微分方程法，另一个则是纹理合成法。Bertalmio在图像修复领域应用到了偏微分方程，具体是以待修复区域的边缘信息作为切入点，通过对等照度线方向进行计算，并利用传播机制把有效信息填充到待修复区域当中。该方法在对破损区域相对较小的修复处理中能够得到更好的发挥，只是在面对破损区域较大的修复工作，则因为纹理不足，会产生模糊块。至于纹理合成法具体是以纹理块存在的相似性作为切入点，分析待修复点以及邻域的信息，然后在原图像里面搜索获得最优匹配块然后填充处理，将模糊块去除，并将纹理信息保留起来。 　　而基于图像分解的修复技术则是先把图像分解成两个构成要素，分别是结构与纹理，之后采取结构修补的方式来处理结构，用纹理合成的方式来处理纹理，之后把结果进行叠加，但还是会存在一定的模糊区域。对此，Criminisi等人提出的基于样本块的修复方法保留来了图像纹理与结构信息，能够完成对破损区域里面较大图像的修复。其缺陷就在于修复时间较长，缺少对图像整体结构的分析，局部区域修复后图像有残留物，在处理图像拼接区域时，会产生过渡不自然的现象。 　　针对上述不足，本文提出一种新的基于样本的目标移除的方法，具体是对匹配块的优先权作出了重新定义，引入了度量图像平滑性的几何向量，可以避免因置信度值衰减过块而影响实际的填充次序。而且本文还应用了螺旋搜索的方式，来搜索匹配块。通过实验结果显示，修复图像峰值信噪比比原有的算法有较大的改进，同时提高了算法效率。 　　2 算法描述 　　2.1 Criminisi算法描述 　　由Criminis等人提出的基于样本块的图像修复算法，其基本步骤为： 　　假设I为整幅图像，如图1所示，待修补区域（即白色区域）为，未损坏区域为 　　计算待修复区域优先权：设P为待修复区域边界上的一点，先是要对待修补区域对应边界进行检测，之后求解在边缘点周围目标块所具备的优先权，具体求解方法为：对于目标块p，其优先权函数定义式为： 　　（1） 　　其中C（P）和D（P）定义为： 　　（2） 　　（3） 　　式中，p是块的像素数量；为等照度线的切线方向，np为p点外边界线的单位法相向量。是规一化系数（对于灰度图像其值为255）。 　　搜索最优匹配块：当计算完修复区域的各个边缘点的优先级后，找出具有最大优先权的修复块p，在源区域中根据相似度来寻找与之最佳匹配的源块q。 　　（4） 　　其中，距离函数为两个块中已填充块的像素差的平方和。 　　置信度更新：具有最大优先权的修复块p修复完成后，原来修复块的边界点变成已知点，这时需要计算边界上各点的优先权，更新已知点的置信度C（p）。 　　（5） 　　如此循环，直到全部破损区域都得到修复为止。 　　2.2 改进的优先权计算方法 　　在本论文当中，立足于之前所定义的优先权，引入一则图像几何量，在此可以叫做平滑项L（P）。经过重新定义的优先权应该是： 　　（6） 　　在此定义L（p）是图像对应的高斯-拉普拉斯算子，其可以完成锐化处理，从而让平滑处理之后的图像边缘地带保持一定的清晰度。通常而言，L（p）越高，则代表着边缘地带清晰度越高，也就是具备了强边缘信息。如果置信度 C（p）接近于0时，则D（p）作用就可以忽略不计，这时候能够对优先权产生关键影响的就是平滑项，所以要对强边缘区域进行优先处理。在这个过程当中，不用乘法计算，选择以加法计算。这样不但能够降低运算复杂度，同时还能够减少匹配误差的发生几率。 　　2.3 修补顺序改进 　　根据相关统计结果显示，一般待修补块对应的最佳匹配块很大可能是位于邻域，同时螺旋状点匹配搜索方法和穷尽搜索法对比而言，其合成速度能够提升360倍左右。所以，在本文当中把点匹配升级成块匹配，然后在搜索最佳匹配块的时候则是由所处待修补块逐渐的往外搜索，并呈现出螺旋线状。如果匹配误差