[发明专利]基于模块的图像修复方法

说明书

技术领域

本发明属于图像处理和计算机视觉领域，涉及一种图像修复方法，具体地说，涉及一种基于模块的能够同时有效保持图像中几何特征和纹理信息的图像修复方法。

背景技术

随着数字图像处理技术的发展，填充图像中某些区域的缺失信息，或移除图像中某些区域仅保留需要的信息，使图像满足人眼视觉系统要求的工作成为研究热点。这种修补缺失信息或移除目标区域的图像处理技术称为图像修复。图像中信息缺失的区域或待移除的区域统称为图像中的待修复目标区域，图像中的其它区域称为信息已知区域。

Bertalmio提出一种基于信息传播的图像修复模型(参考Bertalmio M.2000.Imageinpainting，ACM SIGGRAPH’00，pp.417-424，July 2000)。模型利用偏微分方程(PartialDifferential Equation，PDE)的各向异性扩散特性沿边缘方向进行不同强度的扩散以修复待修复目标区域，Chan等在此研究基础上提出了总体变分(Total Variation，TV)修复模型(参考Chan T.2001.The digital TV filter and nonlinear denoising，IEEE Trans.Image Process.，10(2)：231-241，2001)以及CDD(Curvature Driven Diffusion)模型(参考Chan T.2001.Non-textureinpainting by curvature-driven diffusions(CDD)，J.Visual Comm.Image Representation，12(4)：4736-449.)。PDE修复模型基于图像几何特征通过计算像素间灰度差值各向异性将信息已知区域的信息向待修复的目标区域内扩散，从而实现图像修复。PDE修复模型的处理是基于图像中的已知几何特征进行的，因此PDE修复模型具有很好的几何特征保持性能。但PDE修复模型仅基于局部的像素值计算扩散方向及扩散强度，因此PDE修复模型不能保持图像中的纹理特征；PDE修复模型只适合修复包含较小目标区域的图像，当待修复的目标区域较大时，区域中心的信息很难由已知区域的信息推测，因此PDE修复模型的修复结果会产生很大的失真。

Efros提出一类基于模块的纹理分析模型(参考Efros A.1999.Texture Synthesis byNon-parametric Sampling，IEEE Int.Conf.Computer Vision)，与PDE修复模型相比，基于模块的纹理分析模型通过将模块中的已知信息复制到待修复目标区域，复原待修复的图像。这种处理方法以“模块”为基本处理单元，可以保持图像中的基本纹理特征，同时可以修复包含较大缺失信息区域的图像。Bornard等首先将基于模块的方法应用于自然场景图像修复(参考BornardR.2002.Missing data correction in still images and image sequences，ACM Int.Conf.Multimedia)，并证明基于模块的模型对自然场景图像的修复效果优于PDE模型。基于模块的模型的修复过程为：

1.确定目标区域：手动选择待修复目标区域，区域内全部像素点的值视为未知；

2.修复优先级：按照从左至右、从上到下的顺序处理待修复目标区域内的各模块；

3.确定模块：将待修复目标区域左上角的第一个像素点对应的固定大小的模块(例如模块大小设为3x3)确定为当前的待修复模块。待修复目标区域边界位置的像素点对应的模块中，包含部分图像已知信息，而待修复目标区域内部的模块在未修复时不包含任何已知信息；

4.模块匹配：在图像信息已知区域内搜索与当前待修复模块中包含的已知信息最为匹配的模块；

5.模块填充：将最为匹配的模块填充入待修复目标区域的当前待修复模块的位置，完成对该模块的修复，此时更新待修复目标区域内的像素值；

6.循环执行步骤3-5，至待修复目标区域内全部像素点值为已知时，修复过程结束。

基于模块的模型在模块的搜索、匹配以及填充过程中，根据像素值进行操作并不受图像已知几何特征的约束，因此其处理结果并不能很好的保持图像中的几何特征。