基于圖像分解和稀疏表示的圖像修復(fù)方法研究.pdf

1、圖像修復(fù)是圖像處理領(lǐng)域中的熱點(diǎn)問題。圖像修復(fù)技術(shù)廣泛應(yīng)用于珍貴藝術(shù)品、破損電影膠片數(shù)字化修復(fù)，圖像對(duì)象編輯等；還為超分辨率、去馬賽克、傳輸錯(cuò)誤糾正、圖像壓縮等應(yīng)用提供新穎的思路。
　　本文研究旨在處理圖像空間域像素缺失和圖像小波系數(shù)缺失兩種情況的圖像修復(fù)問題，并提出了兩種圖像修復(fù)算法。針對(duì)圖像空間域像素缺失的圖像修復(fù)問題，本文根據(jù)自然圖像可以分解為結(jié)構(gòu)部分和紋理部分的性質(zhì)，利用基于擴(kuò)散偏微分方程和基于紋理合成的圖像修復(fù)方法分別修復(fù)

2、兩個(gè)部分。對(duì)結(jié)構(gòu)部分，針對(duì)Chan等提出的TV Inpainting模型會(huì)導(dǎo)致“灰度跳變”的問題，提出了結(jié)合等照度線方向信息的四階偏微分方程圖像修復(fù)模型，同時(shí)，為了降低本文模型的復(fù)雜度，本文對(duì)基于快速行進(jìn)法的圖像修復(fù)模型進(jìn)行改進(jìn)，預(yù)先對(duì)圖像缺損區(qū)域進(jìn)行填充，從而減少迭代次數(shù)；對(duì)紋理部分，針對(duì)Criminisi算法容易導(dǎo)致誤差傳播和窮盡搜索時(shí)間復(fù)雜度高的問題；利用馬爾科夫隨機(jī)場(chǎng)原理，本文提出了距離加權(quán)度量策略，通過統(tǒng)計(jì)方法，討論中心距離-

3、圖像塊平均距離關(guān)系，提出利用局部搜索代替全局搜索降低搜索時(shí)間。通過與TV Inpainting模型、Criminisi算法以及TV Decomposed模型的實(shí)驗(yàn)相比，本文方法可以有效緩解“灰度跳變”問題、抑制了誤差傳播、提高修復(fù)效率；在信噪比和峰值信噪比指標(biāo)方面，對(duì)于相同的缺失率，本文方法分別獲得3-6dB和1-2dB的提高。
　　針對(duì)圖像小波系數(shù)缺失的圖像修復(fù)問題，考慮到小波圖像(小波系數(shù))缺少適合圖像修復(fù)的先驗(yàn)?zāi)Ｐ秃蛨D像空間

4、域的先驗(yàn)?zāi)Ｐ脱芯勘容^充分的事實(shí)，以及小波分解中低頻子帶和高頻子帶的特點(diǎn)提出了兩步小波域圖像修復(fù)模型。第一步：針對(duì)小波系數(shù)中的低頻子帶的特點(diǎn)，利用圖像的稀疏先驗(yàn)作為低頻子帶的先驗(yàn)?zāi)Ｐ停岢龌谙∈璞硎镜牡皖l子帶修復(fù)模型；第二步：針對(duì)高頻子帶的修復(fù)問題，借鑒Chan等的思想，將小波系數(shù)修復(fù)問題轉(zhuǎn)化為圖像空間域中帶小波系數(shù)約束的修復(fù)問題，實(shí)現(xiàn)高頻部分系數(shù)的修復(fù)。通過與TV Wavelet模型和Nonlocal Wavelet模型相比，本文方法