基于檢索的多選擇圖像修復(fù)研究.pdf

1、數(shù)字圖像修復(fù)是利用圖像完好區(qū)域的信息對(duì)缺損區(qū)域進(jìn)行修復(fù)的一個(gè)過程。它要求修復(fù)后的結(jié)果保持良好的視覺觀賞性，最大限度地減少修復(fù)過程中的人為痕跡。數(shù)字圖像修復(fù)可以分為基于圖像自身內(nèi)容的修復(fù)技術(shù)和基于其它素材的多選擇圖像修復(fù)技術(shù)。相比于基于圖像自身內(nèi)容的修復(fù)技術(shù)，基于其它素材的多選擇圖像修復(fù)技術(shù)有著明顯的優(yōu)勢(shì)。一方面，它可以有效地解決圖像大面積缺損問題。另一方面，它為缺損圖像提供了更多的修復(fù)選擇，讓修復(fù)結(jié)果更加有多樣性和創(chuàng)造性。在媒體時(shí)代的今

2、天，很多圖像處理技術(shù)在媒體應(yīng)用中發(fā)揮了重要的作用，基于其它素材的多選擇修復(fù)技術(shù)作為圖像處理中的重要技術(shù)為媒體應(yīng)用提供了重要的技術(shù)支持。
　　它的基本流程可以歸納為以下三個(gè)步驟:首先，需要從海量的圖像庫中檢索出素材圖像（和待修復(fù)圖像相同或者相近的可以用來作為修復(fù)素材的圖像）;其次，需要對(duì)素材圖像中的素材區(qū)域（素材圖像中可以用來完成修復(fù)的目標(biāo)區(qū)域）進(jìn)行提取;再次，需要利用素材區(qū)域?qū)θ睋p圖像進(jìn)行修復(fù)。但是，如何從大數(shù)據(jù)圖像庫中選取大量且

3、精準(zhǔn)的素材圖像，如何從圖像中精確地提取素材區(qū)域，如何減少修復(fù)過程中的人為痕跡（修復(fù)邊緣梯度變化明顯，前景和背景在顏色，紋理，噪聲等特征上有著明顯的差異）都是修復(fù)過程中的關(guān)鍵問題。傳統(tǒng)的多選擇圖像修復(fù)算法往往沒有有效地解決這些問題，從而直接降低了修復(fù)的質(zhì)量。本文針對(duì)以上這些問題進(jìn)行了深度分析，對(duì)“基于檢索的多選擇圖像修復(fù)”進(jìn)行了深入研究，全文的主要貢獻(xiàn)包括以下幾點(diǎn):
　　(1)針對(duì)素材圖像檢索正確率低下的問題，提出了一種素材圖像優(yōu)選

4、模型。首先，該方法利用不同類別間的聯(lián)合分布概率對(duì)素材圖像進(jìn)行初步檢索，利用文字信息提前刪除掉一些無關(guān)圖像，有效地減少了工作量。其次，利用K-means聚類技術(shù)對(duì)圖像進(jìn)行分類，將圖像分為風(fēng)景類圖像和物體類圖像，根據(jù)圖像類別利用不同的特征算子進(jìn)行計(jì)算。最后，利用改進(jìn)的空間金字塔函數(shù)完成待修復(fù)圖像和待檢索圖像的匹配，實(shí)現(xiàn)高精度的圖像匹配。三個(gè)環(huán)節(jié)緊密聯(lián)系，有效地解決了素材圖像檢索正確率低下的問題，為多選擇的圖像修復(fù)技術(shù)提供了高效準(zhǔn)確的素材圖像

5、。
　　(2)針對(duì)難以精確提取素材區(qū)域的問題，提出了一種優(yōu)化的素材區(qū)域提取模型。首先，該方法利用多尺度細(xì)節(jié)保留技術(shù)和多層平滑技術(shù)對(duì)素材圖像進(jìn)行深度優(yōu)化，使得素材區(qū)域和背景部分有著顯著的區(qū)分度。與此同時(shí)，素材區(qū)域自身的顏色，紋理差異也明顯變小。優(yōu)化后圖像中的素材區(qū)域可以非常方便地被提取，有效地提升了提取精度。對(duì)于高質(zhì)量的摳像技術(shù)（特殊情況下，素材區(qū)域需要高精度的提?。?，本文利用訓(xùn)練樣本優(yōu)選模型進(jìn)行高精度摳取，有效地解決了摳取精度不足

6、的問題。新的模型有效地解決了無法精確提取素材區(qū)域的問題，為多選擇的圖像修復(fù)技術(shù)提供了精準(zhǔn)的素材區(qū)域。
　　(3)針對(duì)修復(fù)過程復(fù)雜，修復(fù)結(jié)果人為痕跡明顯的問題，提出了一種高質(zhì)量的修復(fù)方法。首先，利用改進(jìn)的foe(field of experts)算法對(duì)待修復(fù)部分進(jìn)行修善，有效地提升了修復(fù)質(zhì)量。在修善過程中，該方法對(duì)訓(xùn)練圖像進(jìn)行優(yōu)選，有效地減少了工作量。然而，基于foe算法的簡(jiǎn)單修復(fù)缺乏多樣性和創(chuàng)意性，除此之外，我們利用前面技術(shù)檢索到