[发明专利]一种自适应样本块图像修复方法

说明书

本发明公开了一种自适应样本块图像修复方法，所述图像修复方法基于改进的SSIM算法，包括以下步骤：标记待修复样本块，当待修复样本块的边长小于预设值时，根据改进的SSIM算法计算相邻尺寸样本块之间的结构相似度；根据结构相似度选取最优样本块的大小；根据最小绝对差平方和匹配准则、最优样本块的大小，从图像源区域中寻找最优匹配块；获取源区域内的匹配块与待修复样本块之间的误差限制准则；若满足准则，利用最优匹配块对待修复样本块进行填充，并将待修复样本块标记为已修复的样本块，更新破损区域及源区域。本方法根据待修复图像不同区域的信息和结构特征来自适应确定合适的样本块大小，可有效提高修复效果。

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种自适应样本块图像修复方法，该修复方法基于改进的结构相似性(SSIM)算法，可广泛用于机器视觉、目标移除、虚拟现实等领域。

背景技术

图像修复是计算机图像和视觉研究领域的热点之一，在文物保护、影视制作、老照片修复，目标移除等方面都得到了广泛的应用。其核心思想是利用图像中已知的纹理和结构信息，按照一定的修复顺序和匹配准则对缺损区域进行修补，以保证图像的视觉完整性。

目前该技术大体上可分为两类：一类是Diffusion-based(基于扩散)修复方法，该类方法主要用于修复图像较小的破损区域，另一类是Exemplar-based(基于样本块)修复方法，该类方法致力于修复大面积破损区域。

传统的基于样本块的图像修复算法大多通过人工设定样本块大小，来达到最佳修复效果。样本块偏小，算法效率低，也不利于保持图像的整体结构；反之，容易出现结构断裂的现象，纹理修复效果不理想。因此，实际工程中往往需要根据实验结果不断修改样本块大小，直至获得最优修复结果。

然而，固定样本块的大小缺乏自适应性；同时，对图像不同纹理和结构区域采用相同大小的样本块，也不利于获得整体最优效果。由于无法根据图像特征信息自适应调整样本块大小，在很大程度上限制了传统算法对复杂结构纹理图像的修复效果。

为解决上述问题，一些学者根据已知的邻域结构信息，提出了一种自适应确定样本块大小的算法，提高了算法的自适应性。

2012年，孟春芝等人对传统算法进行了改进，通过计算基于破损区域领域中完好部分的梯度值变化来确定最优样本块大小，提高了准确性，但算法需要考虑0-360度梯度域数值，运算效率受到限制。

发明内容

本发明提供了一种自适应样本块图像修复方法，本发明针对传统Exemplar-based修复算法，在修复过程中只能采取相同样本块的缺点，修复结果容易出现结构断裂或纹理错乱的现象，提出根据待修复图像不同区域的信息和结构特征来自适应确定合适的样本块大小，可有效提高修复效果，详见下文描述：

一种自适应样本块图像修复方法，所述图像修复方法基于改进的SSIM算法，包括以下步骤：

标记待修复样本块，当待修复样本块的边长小于预设值时，根据改进的SSIM算法计算相邻尺寸样本块之间的结构相似度；根据结构相似度选取最优样本块的大小；

根据最小绝对差平方和匹配准则、最优样本块的大小，从图像源区域中寻找最优匹配块；

获取源区域内的匹配块与待修复样本块之间的误差限制准则；若满足准则，利用最优匹配块对待修复样本块进行填充，并将待修复样本块标记为已修复的样本块，更新破损区域及源区域。

其中，所述标记待修复样本块具体为：

根据初始样本块的置信度和数据项，确定初始样本块的优先级；

选取优先级最大的目标像素点，将最大的目标像素点对应的样本块标记为待修复样本块。

进一步地，所述改进的SSIM算法具体为：