[发明专利]基于图像梯度先验模型实现大尺度图像修复的方法

权利要求书

1.一种基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的方法包括以下步骤：

（1）读入待修复图像信息；

（2）建立图像噪声模型并计算图像噪声概率分布值；

（3）建立非局部均值的空间域概率模型并计算非局部均值的空间域概率分布值；

（4）建立图像梯度先验概率模型并计算图像梯度先验概率分布值；

（5）建立贝叶斯后验概率模型并计算后验概率估计值；

（6）根据所述的后验概率估计值确认当前像素点的值并保存。

2.根据权利要求1所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的步骤（1）和步骤（2）之间，还包括以下步骤：

（11）判断所述的待修复图像是否处理完成，如果否，则继续步骤（2），如果是，则结束退出。

3.根据权利要求2所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的步骤（5）和步骤（6）之间，还包括以下步骤：

（51）判断所述的后验概率估计值是否为局部最大值，如果是，则继续步骤（6），如果否，则继续步骤（11）。

4.根据权利要求1所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的建立图像噪声模型并计算图像噪声概率分布值，具体为：

根据所述的待修复图像信息，建立图像噪声模型并计算图像噪声概率分布值，所述的图像噪声模型公式如下：

P(Δ_n|s)∝N(Δ_n|μ,σ)；

其中，P(Δ_n|s)为所述的图像噪声模型，σ为高斯分布的方差，μ为高斯分布的均值，Δ_n为当前像素点的相邻像素。

5.根据权利要求4所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的高斯分布的方差值为0.5，所述的高斯分布的均值为0.7。

6.根据权利要求1所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的建立非局部均值的空间域概率模型并计算非局部均值的空间域概率分布值，具体为：

根据所述的待修复图像信息，建立非局部均值的空间域概率模型并计算非局部均值的空间域概率分布值，所述的非局部均值的空间域概率模型公式如下：

P(θn|s)∝exp{-||s-θn(Ω)||22h2};]]>

其中，P(θ_n|s)为空间域概率模型，Ω为相邻像素点集合，s为当前像素点信息，h为衰减控制参数。

7.根据权利要求6所述的基于图像梯度先验模型实现大尺度图像修复的方法，其特征在于，所述的衰减控制参数值为1.6。