一种结合方向因子的样本块稀疏性图像修复方法

摘要

一种结合方向因子的样本块稀疏性图像修复方法，主要操作有：首先利用现有的图像修复算法对待修复图像进行预处理；然后对预处理图像利用非下采样轮廓波变换提取其4个方向的方向因子；根据颜色-方向因子加权距离确定新的结构稀疏度函数以及匹配准则，利用结构稀疏度函数确定填充顺序，然后根据新的匹配准则寻找多个匹配块；建立包含颜色空间局部连续一致性及方向因子局部连续一致性的约束方程，优化求解约束方程获得多个匹配块的稀疏表示信息并填充；更新填充区域直至破损区域完全被填充。该方法能够有效地保持结构部分的连贯性，纹理部分的清晰性及与邻域信息的连续一致性，尤其适合具有复杂纹理和结构特征的真实照片或合成图像的修复。

主权项

1.一种结合方向因子的样本块稀疏性图像修复方法，包括以下步骤：A、预处理：将含待修复区域Ω的待修复图像I，利用基于颜色信息的结构稀疏度的自适应样本块图像修复算法进行修复，得到预处理图像I’；同时，划分待修复图像I中待修复区域Ω的填充边界δΩ，将待修复图像I中的待修复区域Ω内各像素点r的置信度值C(r)初始化为0，已知区域内各像素点r的置信度值C(r)初始化为1；B、估计方向因子：对预处理图像I’利用超小波变换估计出其水平、垂直、正对角和反对角四个方向的方向因子矩阵A_k(k＝1，2，3，4)；C、颜色-方向因子加权距离的计算：以待修复区域Ω的填充边界δΩ上任意点p为中心点的边界样本块Ψ_p与该点p的邻域N(p)内的任意点q为中心的各已知块Ψ_q的颜色-方向因子加权距离D，D＝(η·d(Ψ_p，ψ_q)+μ·d(Γ_p，Γ_q))；其中η和μ分别为颜色信息和方向因子信息的加权系数，0＜η，μ＜1，η+μ＝1；边界样本块Ψ_p与邻域块Ψ_q的大小相等，大小均为7*7；邻域N(p)的大小为21*21～101*101；Г_p与Γ_q分别为方向因子矩阵A_k中以p，q点为中心的方向因子块，d(Ψ_p，Ψ_q)表示边界样本块Ψ_p中已知区域的像素点r的值和已知块Ψ_q中对应位置点r’的像素值的差的均方；D、计算边界样本块的优先权：先计算边界样本块Ψ_p与邻域N(p)内的已知块Ψ_q的相似度X_p，q：$X_{p,q}=\frac{1}{Z\left(p\right)}\exp (-\frac{D}{{\sigma }^2})$其中σ＝5；Z(p)为使得的归一化常数，N_s(p)为中心点q在p点的邻域N(p)内的各已知块Ψ_q的集合，再构造出边界样本块Ψ_p的结构稀疏度S(p)，进而计算边界样本块Ψ_p的优先权P(p)，P(p)＝C(p)·S(p)，其中C(p)为边界样本块Ψ_p的块置信度值，为边界样本块Ψ_p中像素点r的置信度值C(r)之和与边界样本块Ψ_p像素点r总个数|Ψ_p|的比值，即：E、寻找匹配块：对计算出的所有边界样本块Ψ_p的优先权P(p)进行比较，将具有最大优先权值P(p)的边界样本块Ψ_p作为当前待填充块Ψ_m，并选出相对应的方向因子块Г_m，根据当前待填充块Ψ_m的结构稀疏度S(m)自适应确定局部搜索窗口半径W：$W=\left\{\begin{array}{cc}\gamma ·S\left(m\right),& \mathrm{if\gamma }·S\left(m\right)>30\\ 30,& \mathrm{if\gamma }·S\left(m\right)\le 30\end{array}\right.$其中γ为权重系数，取值范围为40-80；计算出搜索窗口内以任意点l为中心点的大小为7*7的已知块Ψ_l与当前待填充块Ψ_m的颜色-方向因子加权距离D，从中找出颜色-方向因子加权距离D最小的前M个已知块{Ψ_l′}_l′＝1:M作为匹配块；F、像素点值填充：在当前待填充块Ψ_m和M个匹配块{Ψ_l′}_l′＝1:M的颜色空间及方向因子空间以局部连续一致性为约束条件，建立能量优化方程，获得稀疏表示系数是第l′个匹配块Ψ_l′的稀疏表示系数；并得出当前待填充块Ψ_m的稀疏表示信息Ψ_t，将当前待填充块Ψ_m中的未知区域像素点的值用稀疏表示信息Ψ_t中对应位置点的像素值填充；G、置信度值更新：用当前待填充块Ψ_m的块置信度值C(m)赋值给当前待填充块Ψ_m中被填充的像素点的置信度值C(r)；H、新的边界样本块优先权的计算：将F步中被填充的像素点作为已知像素点，重新划分待修复区域Ω的填充边界δΩ，对于填充边界δΩ上的新的像素点，按C、D步的方法分别计算出以其为中心点的边界样本块Ψ_p的颜色-方向因子加权距离D和优先权P(p)；I、重复步骤E-H的操作，直至H步重新划分待修复区域Ω的填充边界δΩ为零，结束操作。