變換域數(shù)字圖像修復算法研究.pdf

1、數(shù)字圖像由于某種原因而引發(fā)的自身局部信息丟失或者缺損，一定程度上破壞了圖像信息的完整性。因此就需要數(shù)字圖像修復技術(shù)來實現(xiàn)對缺失信息的有效填充，并且修復后的圖像在視覺上要與原圖像有很好的連貫性和相似性。鑒于常規(guī)空間域數(shù)字圖像修復技術(shù)的局限性，本文根據(jù)圖像的基本組成要素結(jié)構(gòu)和紋理，分別在小波域、樣圖頻域及二維非均勻頻域等變換域進行數(shù)字圖像修復算法的研究。具體研究內(nèi)容如下：
　?。?）基于高階擴展二抽取小波變換的數(shù)字圖像修復。
　

2、　通過將高階擴展引入圖像修復公式中的權(quán)函數(shù)，對二抽取小波變換圖像修復算法進行改進。權(quán)函數(shù)的重要作用就是詮釋出圖像各像素間的相關(guān)性，使得待修復區(qū)域的邊界像素依據(jù)其對權(quán)函數(shù)中各項因子的貢獻來逐點處理。改進算法將權(quán)函數(shù)中的距離因子和時間更新因子進行高階擴展，重新詮釋它們對權(quán)函數(shù)的貢獻。實驗結(jié)果表明，經(jīng)過高階擴展的權(quán)函數(shù)能夠充分有效地表達出圖像各像素間的相關(guān)聯(lián)程度，達到了比TV(Total Variation)模型、空域FMM(Fast Mar

3、ching Method)以及頻域FMM圖像修復算法更好的修復效果。
　　（2）基于樣圖的加權(quán)數(shù)字OFDR技術(shù)。
　　填充次序在基于樣圖的圖像修復中發(fā)揮著關(guān)鍵作用，在優(yōu)化圖像修復的過程中需要被優(yōu)先確定。本文針對Criminisi等提出的算法(簡稱Criminisi算法)提出了改進算法。改進算法定義了新的優(yōu)先權(quán)函數(shù)，即對權(quán)函數(shù)中結(jié)構(gòu)因子的權(quán)重進行重新分配(加權(quán)方法)；或者針對不同的圖像結(jié)構(gòu)，構(gòu)造特定的結(jié)構(gòu)因子項與置信因子項的關(guān)

4、系函數(shù)。重新定義的權(quán)函數(shù)更好地表達出結(jié)構(gòu)項和置信項的關(guān)系，在尊重圖像修復準則的前提下充分地體現(xiàn)出不同圖像的結(jié)構(gòu)特性，實現(xiàn)了比經(jīng)典Criminisi算法更好的修復效果。
　?。?）基于頻域非均勻采樣信號重建的圖像修復。
　　在信號系統(tǒng)中，大多數(shù)信號由于受到各種因素的影響，很難實現(xiàn)真正意義上的均勻采樣。本文針對信號系統(tǒng)中普遍存在的非均勻采樣技術(shù)，將其與數(shù)字圖像修復技術(shù)相結(jié)合。具體方法就是為缺損圖像，即相當于被非均勻抽樣的數(shù)字圖像