[发明专利]以BSCB模型为基础的图像修复算法

说明书

本发明属于计算机图像修复技术领域，涉及一种以BSCB模型为基础的图像修复方法。该模型在8个方向上考虑了像素之间的相关性与其距离的关系，用周围像素预估计受损像素。引入像素间距离与相关性的反比例关系，与其它基于BSCB模型的图像修复方案相比，在达到相同均方差，本文所使用的算法比相关随机初始化用时更短。在相同迭代次数下，本文的算法使得图像修补的效果更好。本发明提供了计算机图像修复的一种新方法，可以有效提高修复的效率并得到更好的修复效果，为图像修复工作提供了一种新的解决方案。

技术领域

本发明属于计算机图像修复技术领域，涉及一种基于BSCB(提出此模型的四位作者的首字母)模型的彩色图像修复算法。

背景技术

图像修复(Image Inpainting)技术最初起源于艺术作品复制。珍贵的艺术作品由于多次易手，长期曝光、风化等原因导致油墨脱落、局部损坏。过去的图像修复工作是由修复经验丰富的专业人士手工填补受损图像，使得复原后的作品尽可能与原作品保持一致的风格。

如今，许多珍贵的文物图画、经典电影、档案照片通过扫描技术长久保存。艺术画作的划痕、折痕、污渍和缺损区域由专业人员手工修复风险高，此时自动图像修复技术成为理想的选择，不仅可以达到满意的视觉效果，而且不会对原作品造成二次损坏。对于一些图像和电影胶片，去除其中的文字或杂乱的目标对象手工处理复杂耗时，自动图像修复技术处理速度不仅快而且处理效果平滑自然，修改痕迹不易察觉。计算机视觉理论认为人类对图像中遮掩物体的判断是根据在图像中的被遮掩物体的周围环境所做的一个最佳猜测。借助这个理论，在进行图像修复时，首先需要明确修补区域，依照修补区域周围的信息进行修补。为保证修补质量、改善修补效率，需要对修补区域内的像素点进行初始化，我们将其称之为“污损区域初始化”，找到合理的初始化算法，它能够为后续的修补扩散过程提供充足的信息。目前为止，有三种初始化算法在经典的修补模型中得到了运用。

纯色初始化算法来自于BSCB修补模型。该模型的主要思想是利用信息传播机制，将待修补区域周围的信息沿着等照度线的方向传递进入待修补区域内，对于某一等照线上给定的一点，我们可以知道梯度向量表示的是灰度变化最快的方向，因而它的垂直的方向就是等照线的方向(灰度基本不变)，等照度线是由灰度值都相等或者是近似相等的所有点组成的一条曲线。在该模型中并没有明确地指出使用的初始化算法，但从文献给出的修补结果示例中可以看出，初始图片的待修补区域为全白，随着迭代过程的进行，待修补区域不断缩小直到消失，进而完成图像修补过程。示例中的“全白待修补区域”就是对待修补区域进行“纯白初始化”。

随机初始化算法则源于CDD(Curvature Driven Diffusions)曲率驱动扩散模型，该模型基于整体变分模型，将图像修补归结为一个最小化能量泛函的问题。修补时，将初始化过程处理为对待修补区原有信息的一个随机猜测，然后通过提出的非线性扩散方程进行扩散修补。

相比于纯白初始化算法而言，该算法通过“随机初始化”给待修补区域内部增加信息量，能够在大量点获得传导率的情况下加快迭代速度，从而改善修补效果。但是，随机初始化只是简单地在彩色空间中随机选取一些颜色，并未参考待修补区域周围的任何信息。如前所述，接下来的修补过程主要通过非线性扩散完成，待修补区域随机填充的颜色在扩散后就有可能与周围区域的颜色存在反差。

为了解决纯白初始化和随机初始化存在的问题，给待修补区域增加信息量，防止随机初始化过程中产生的待修补区域与完好区域的颜色反差现象，西北大学的田艳艳等人提出了“相关随机初始化算法”。接下来，结合图1来说明该方法。