一种综合结构信息的图像补全方法

摘要

本发明属于图像修复技术领域，涉及一种综合结构信息的图像补全方法，包括下列步骤，对于一副图像，确定修复边界区域；计算节点自身的成本能量；计算节点的关联性能量；确定整体目标函数；初始化相邻节点间的消息值，并作更新；计算节点的最优解。本发明不需要人为干预达到了同时保留结构信息和纹理信息的效果，极大地改善了图像补全的效果。

主权项

1.一种综合结构信息的图像补全方法，包括下列步骤：（1）确定图像的目标区域：读入被标记的图像，根据颜色值判断出目标区域，得出掩模图像，用一个逻辑矩阵表示，其中矩阵中元素值为1表示需要修复的像素；元素值为0表示为已知像素，然后将该逻辑矩阵与拉普拉斯算子做卷积，找出此目标区域的边界；（2）计算节点自身的成本能量，E₁(x_i)＝C(i)d(x_i，φ)其中，表示节点可信度，而当与已知区域交叠时，d(x_i,φ)表示块x_i与已知区域的匹配度，它用重叠区域的像素间颜色值的差异平方和即SSD来衡量，Ω为目标区域；（3）计算节点的关联性能量函数E₂(x_i,x_j)＝λ₁E₂^t(x_i,x_j)+λ₂E₂^s(x_i,x_j)，E₂^t(x_i,x_j)＝d(x_i,x_j)，其中，d(x_i,x_j)表示相邻块x_i和x_j重叠区域的SSD；${E_2}^s(x_i,x_j)=\sqrt{d_{\mathrm{gx}}^2(x_i,x_j)+d_{\mathrm{gy}}^2(x_i,x_j)},$其中，d_gx(x_i,x_j)和d_gy(x_i,x_j)分别表示相邻块x_i和x_j在X和Y方向的梯度差；λ₁和λ₂为平衡纹理成本和结构成本的权重系数；（4）确定整体目标函数E(x)为目标区域所有节点的修复成本E₁(x_i)和一致性成本E₂(x_i,x_j)的能量和；（5）初始化相邻节点间的消息值，并作更新：将贝叶斯网络结构图中任意两个节点n_i和n_j间的消息初始为0，即更新节点间的信息值，每次迭代时，对于解x_i来说，从n_i传播到n_j的信息的计算公式为：$m_{j\to i}^t\left(x_i\right)=\min [E_2(x_i,x_j)+E_1\left(x_j\right)+\underset{s\in N\left(j\right)/i}{\Sigma }{m}_{s\to j}^{t-1}\left(x_j\right)],$其中，N(j)/i表示n_j的非n_i邻域集；表示n_j节点对x_i为n_i的信任度；在t次迭代后，匹配块为x_i的节点n_i的可信度计算公式为：$b_i\left(x_i\right)=E_1\left(x_i\right)+\underset{j\in N\left(i\right)}{\Sigma }{m}_{j\to i}^t\left(x_i\right);$（6）计算节点的最优解,找到使b_i(x_i)最小化的就是节点n_i的最佳匹配块，即：$x_i^{*}=\arg \underset{x_i}{\min }\{E_1\left(x_i\right)+\underset{j\in N\left(i\right)}{\Sigma }{m}_{j\to i}^t\left(x_i\right)\}.$