贝叶斯非局部均值图像修复方法

摘要

本发明公开了一种贝叶斯非局部图像修复方法，主要解决现有基于样本的非局部均值修复方法中相似块搜索不准确及参数值由经验确定的问题。其实现过程是：（1）对待修复图像I,确定待修复区域Ω及其边界δ；（2）找出边界上优先级最高的修复块并对使用贝叶斯框架建模；（3）通过自适应阈值的对搜寻区域进行预选取。（4）搜索与修复块最相似的ｍ个样本块，将其加权均值作为修复块的填充块（5）更新置信度项及待修复区域，重复步骤（1）～（5）直至待修复区域内的所有点被修复。本发明可用于修复图像破损区域，修复图像划痕和图像中文本的去除。

主权项

1.一种贝叶斯非局部均值图像修复方法，包括如下步骤：（1）对于输入的待修复图像I，确定待修复区域Ω和待修复区域的边界δ；（2）利用如下公式，计算出中心点在待修复区域的边界δ上的所有修复块的优先级P(p)：P(p)＝C(p)·D(p)，其中，D(p)为数据项，C(p)为置信度项，表示图像像素点的可信程度，C(p)初始化为C(p)＝0，p∈Ω，C(p)＝1，p∈I-Ω；（3）以优先级最高的修复块的中心点为中心，选取大小为M×M的邻域作为该修复块的搜索区域，定义该区域内以点为中心的块为样本块；（3.1）对修复块和样本块利用贝叶斯框架建模，分别计算修复块的均值和样本块的均值并计算出它们的均值差即（3.2）根据均值差服从的高斯分布的特性，定义一个自适应阈值：t＝λσ₀，其中，σ₀为的标准差，λ＝1.65，u₀为的均值，为的方差；（3.3）选择搜索区域内所有的点，作为预选取后新的搜索区域；（4）计算新的搜索区域内的修复块与样本块的相似性距离：其中，为2范数；（5）根据相似性距离服从自由度为n的卡方分布X²(n)的特性，当n≥25时，分位点选取相似性距离位于分位点β左侧的最相似的m个样本块，作为修复块的集合；（6）根据如下公式，计算集合内的样本块和修复块的相似性权值：其中，Z为归一化参数，σ²为修复块的方差，N为修复块中像素值已知的 点的个数；（7）根据相似性权值，将集合内的全部样本块的加权均值，作为填充块Ψ₀，并用该填充块对修复块进行填充修复；（8）当修复块完成修复后，更新待修复区域，并用修复块中心点的置信度更新已完成修复的点的置信度C(p)：其中，为修复块中心点的置信度，∩表示‘与’关系；（9）重复步骤（1）~（8），直至待修复区域内的所有点被修复。