一种基于所需方向结构特征统计的MRF样图像修复方法

摘要

本发明公开一种基于所需方向结构特征统计的MRF样图像修复方法，包括以下步骤：首先输入待修复图像；提取待修复图像的方向特征图像；提取方向特征图像的边缘特征，并对其进行形态学操作得到方向边缘特征图像；根据破损区域周围特征自适应选择指导图像修复过程所需的方向边缘图像；在所需的方向边缘图像和非方向边缘图像中分别统计相似样本块之间的偏移映射；自适应确定所需的方向边缘图像和非方向边缘图像的偏移映射个数；根据选择的候选标签和图割算法优化全局能量极值；输出修复后图像。本发明方法可以获得更为合适的先验信息，使得修复后图像可以更好地保持结构部分的连贯性及与邻域信息的连续一致性，使修复后图像看起来更加自然。

主权项

一种基于所需方向结构特征统计的MRF样图像修复方法，其特征在于，包括以下步骤：步骤S10、输入待修复图像I，破损区域为Ω；步骤S20、提取待修复图像的方向特征图像：利用Curvelet变换将待修复图像变换到Curvelet域，将Curvelet域内的多方向多尺度系数划分为4个集合(每个集合中均包含低频系数，同时不同集合中包含不同方向的高频系数)，而后分别对每个方向上的系数作Curvelet逆变换，得到不同的方向特征图像{A_k}_k＝1,2,3,4；步骤S30、提取方向特征图像的边缘特征，并对边缘特征进行形态学操作得到方向边缘特征图像：对提取的方向特征图像{A_k}_k＝1,2,3,4进行边缘检测，得到四个方向上的边缘特征，对得到的边缘特征进行形态学操作，得到四个方向边缘特征图像{B_k}_k＝1,2,3,4，其中边缘特征图像B_k在边缘点处取值为1，其余部分均为0；步骤S40、根据破损区域周围特征自适应选择指导图像修复过程所需要的方向边缘图像：方向边缘图像{I_{k_edge}}_k∈Θ即为包含选择出的方向结构信息的图像，I_{k_edge}＝I·B_k，Θ为集合{1,2,3,4}中的一个子集，提取四个方向特征图像{A_k}_k＝1,2,3,4中破损区域Ω周围的局部已知信息，计算其梯度模值的方差值，据此选择出指导图像修复过程所需要方向边缘图像{I_{k_edge}}_k∈Θ中的k值，最后得到所需的方向边缘图像，其中方向边缘图像即为包含选择出的方向结构信息的图像，I_{k_edge}＝I·B_k，Θ为集合{1,2,3,4}中的一个子集；步骤S50、在所需的方向边缘图像和非方向边缘图像中分别统计相似样本块之间的偏移映射：用I_{non_edge}指代非方向边缘图像，即为待修复图像I中除去四个方向边缘特征部分的信息，表示对边缘信息取反，在方向边缘图像{I_{k_edge}}_k∈Θ和非方向边缘图像I_{non_edge}中分别计算样本块与其相似块间的偏移映射，并利用二维直方图h对其进行统计，从计算得到的方向边缘图像{I_{k_edge}}_k∈Θ的偏移映射统计h_k和非方向边缘图像偏移映射h₅分别选择出K_k和K₅个最大值，即占统治地位的偏移映射，并将K_k和K₅个偏移映射作为候选标签用于下一步的优化求解；步骤S60、自适应确定所需的方向边缘图像和非方向边缘图像的偏移映射个数：当选择出的方向边缘图像个数不同时，自适应选择其不同的偏移映射个数，以及非方向边缘图像的偏移映射个数；步骤S70、根据选择的候选标签和图割算法优化全局能量极值：根据选择的候选标签，并利用图割算法对全局能量方程进行优化求解，得到分配给每个节点的标签，其中全局能量方程包含数据项能量和平滑项能量两项，具体为：$E\left(L\right)=\underset{x\in \Omega }{\Sigma }{E}_d\left(L\right(x\left)\right)+\underset{(x,x^{\prime })|x\in \Omega ,x^{\prime }\in \Omega }{\Sigma }{E}_s\left(L\right(x),L(x^{\prime }\left)\right)$上述(x,x')是表示4邻域，L代表上节中选出的候选标签或者K＝K_k+K₅是候选标签的个数，仅在破损区域边界上才选择标签而L(x)＝i就表示将位于的像素点的信息复制到位置x上，若候选标签是有效的(x+m位于已知区域)，将此时的数据项能量置为0，否则置为+∞，令a＝L(x)和b＝L(x')，将平滑项能量函数E_s定义为：E_s(a,b)＝||I(x+m_a)‑I(x+m_b)||²+||I(x'+m_a)‑I(x'+m_b)||²其中I(x)代表图像I位于位置x上的RGB强度值；步骤S80、输出修复后图像：将每个标签对应的信息复制到节点位置上，即：I(x)＝I(x+m)，得到修复后图像R。