一种图像修复方法

摘要

一种图像修复方法，由用户选择出图像上待修复的区域后进行自动修复过程，自动修复过程以边缘面片作为一次迭代填充的单位，重复下面四步，直到填满整个待修复区域：第一步，计算边缘上所有面片的优先级；第二步，根据优先级和相似度准则确定本次迭代将填充的边缘面片；第三步，采用纹理合成方法，同时扩展已知的纹理和结构信息；第四步，更新本次迭代处理的面片内被合成的像素确信度值。实验结果表明，本发明的修复结果优于当前同类修复方法所生成的结果，修复过程更接近于手工修复过程，鲁棒性高，有效地防止了错误信息的连续扩展，已成功地应用于多种具有复杂纹理和结构特征的真实照片或合成图像的修复。此外，本发明也应用于数字博物馆中古字画的修复。

主权项

1、一种图像修复方法，其特征在于包括以下步骤：(1)用户选择出图像上待修复的区域；(2)自动修复过程，该自动修复过程是以边缘面片作为一次迭代填充的单位，重复下面四步，直到填满整个被修复区域内所有的像素，其步骤如下：第一步，计算边缘上所有面片的优先级，其中优先级是由确信度和向内收缩张量两个因素决定，确信度表示以边缘上像素为中心的面片内包含的已知的信息量及其正确性，向内收缩张量表示中心像素点的等照度线方向向量在法向量上的分量的大小，决定向修复区域内渗透的力度；优先级的计算公式如下：P(p)＝C(p)*D(p)$C\left(p\right)=\frac{{\Sigma }_{q\in ({\psi }_p\cap \bar{\Omega })}C\left(q\right)}{\left|{\psi }_p\right|}$$D\left(p\right)=\frac{|{▿}_p^{\perp }·n_p|}{\alpha }$P(p)为优先级，C(p)为确信度函数，D(p)为向内收敛张量函数，Ψp为以边界上一点P为中心的边缘面片，n_p表示边界线在中心点P处的法向量，表示等照度线方向；第二步，根据优先级和相似度准则确定本次迭代将填充的边缘面片，优先级是主要因素，相似度是调节因素，其填充过程如下：(a)选择优先级最高的边缘面片作为当前的待填充面片；(b)在二维图像区域中，选择出满足RGB颜色空间上的相似度约束条件的匹配块，存储到一个链表里，如果链表非空，则将该边缘面片确定为本次迭代将填充的面片，否则继续执行步骤(c)；(c)将该面片挂起，选择剩余边缘面片中优先级最高的面片，作为当前的待填充面片，返回执行步骤(b)第三步，采用纹理合成方法，扩展已知的纹理信息；第四步，更新本次迭代处理的面片内被合成的像素确信度值。