基于先验约束和轮廓特征的图像修复算法研究

《基于先验约束和轮廓特征的图像修复算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TN911.73密级：公开国际图书分类号：654西南交通大学研究生学位论文基于先验约束和轮廓特征的图像修复算法研究年级2015级姓名曹大命申请学位级别硕士专业信息与通信工程指导老师翟东海二零一八年五月十日ClassifiedIndex:TN911.73U.D.C:654SouthwestJiaotongUniversityMasterDegreeThesisIMAGEINPAINTINGBASEDONPRIORICONSTRAINTSANDCONTOURFEATUREGrade:2015Candidate:CaoDamingAcademicDegreeApplie

2、dfor:masterSpeciality:InformationsandCommunicationEngineeringSupervisor:ZhaiDonghaiMay.10,2018西南交通大学硕士研究生学位论文第I页摘要针对基于样本的图像修复算法，在修复破损区域周围既包含较丰富的纹理信息又包含较丰富的几何结构信息时，由于不能很好地区分破损图像的纹理信息和几何结构信息而造成纹理错误延伸，致使修复结果出现结构断裂的问题。本文将图像的先验知识和轮廓特征以合理地方式引入到图像修复过程中，并以PatchMatch算法和Criminisi算法为例，提出了两种改进算法：首先，针对Pat

3、chMatch算法采用随机的方式来初始化图像的偏移映射以及利用相似最近邻的传播方式所造成的误匹配问题，本文将图像的纹理信息和几何结构信息等图像先验知识引入到PatchMatch算法对图像偏移映射的初始化中，将原算法的随机初始化改进为在图像先验知识约束下初始化，并引入能够区分图像几何结构信息和纹理信息的相似性度量公式来测量两个图像块之间的相似性，以提高算法的匹配精度。同时，引入相似块统计特性来裁剪用于修复的样本标签，以降低由于计算图像先验知识约束而造成的算法运算量增大的问题，提高算法的运行效率。最后，将梯度因子引入到算法的平滑项中以提高算法对结构信息敏感度，使得修复结果具有更好的结

4、构一致性。其次，针对基于样本的修复算法在保持图像结构一致性方面有所欠缺，本文对基于轮廓重构的修复算法进行了改进。该改进以图像的全局自相似性的图像先验知识为依据，充分分析和利用图像轮廓特征来指导破损区域的轮廓重构，以恢复破损区域的轮廓信息，使得修复结果更好地满足视觉一致性。与此同时，引入轮廓丰富度来改进Criminisi算法的优先权，以保证破损区域边缘处的结构信息以合理的方式传播到破损区域内部。在样本块的搜索匹配方面，本文利用图像的轮廓信息来约束匹配块的搜索范围以提高算法的匹配精度。最后，通过仿真实验结果表明，在主观评价指标上，本文提出的改进算法修复效果相比于其它同类改进算法更能满

5、足人类的视觉连通性要求。在客观评价指标上，本文提出的改进算法相比于其它同类改进算法具有更高的峰值信噪比PSNR（PeakSignal-to-NoiseRatio）和更大的结构相似性SSIM（StructuralSimilarity）。关键词：图像修复；相似性度量；先验约束；轮廓指导；轮廓重构西南交通大学硕士研究生学位论文第II页AbstractWhenthedamagedareaoftheimagecontainsbothrichtextureinformationandgeometricstructureinformation,ifthetextureisincorrectly

6、extendedduetothetextureinformationandgeometricstructureinformationofthedamagedimagecan’tbeproperlydistinguishedbyusingexemplarbasedalgorithm.Therepairresultwillbestructurallyfractured.Tosolvetheproblems,twoimprovedmethodsofPatchMatchalgorithmandCriminisialgorithmareproposed,inthisthesis,thata

7、rebasedonthepriorknowledgeandcontourfeaturesoftherepairedimage.Firstly,inordertoslovethemis-matchingproblemsofthePatchMatchalgorithmthatcausedbyusingrandommethodstoinitializeimageoffsetmappingandemploingapproximatenearest-neighborpropagationm