[发明专利]非局部均值图像细节修复方法

权利要求书

1.一种非局部均值图像细节修复方法，包括如下步骤：

（1）对于输入的待修复图像I，确定待修复区域Ω和待修复区域的边界δ；

（2）利用如下公式，计算出中心点在待修复区域的边界δ上的所有修复块的优先级P(p)：

P(p)＝C(p)·D(p)，

其中，D(p)为数据项，C(p)为置信度项，表示图像像素点的可信程度，C(p)初始化为C(p)＝0，p∈Ω，C(p)＝1，p∈I-Ω；

（3）以优先级最高的修复块的中心点为中心，选取大小为M×M的邻域作为该修复块的搜索区域，定义该区域内以点为中心的块为样本块；

（3.1）利用如下公式，计算修复块的中心点和样本块的中心点的相关性：

ϵ=exp(-(p^-q^)22σ2)]]>

其中，σ²为修复块的方差；

（3.2）根据上面得到的相关性，找出搜索区域中所有与修复块的中心点处于同质区域的点，作为新的搜索区域；

（4）计算新的搜索区域内的修复块与样本块的相似性距离：

d(ψp^,ψq^)=||ψp^-ψq^||22,]]>

其中，为2范数；

（5）根据相似性距离服从自由度为n的卡方分布x²(n)的特性，当n≥25时，分位点选取相似性距离位于分位点β左侧的最相似的m个样本块，作为修复块的集合；

（6）根据相似性距离计算分位点α₀与相似性距离均值的差值：其中，为其分位点的值，为相似性距离的均值；

（7）根据如下公式，计算出集合内样本块和修复块的相似性权值：

ω=1Zexp(-d(ψp^,ψq^)4σ2Nt),]]>

其中，Z为归一化参数，σ²为修复块的方差，N为修复块中像素值已知的点的个数；

（8）根据相似性权值，将集合内的全部样本块的加权均值，作为填充块Ψ₀，并用该填充块对修复块进行填充修复；

（9）当修复块完成修复后，更新待修复区域，并用修复块中心点的置信度更新已完成修复的点的置信度C(p)：

C(p)=C(p^),p∈ψp^∩Ω,]]>

其中，为修复块中心点的置信度，∩表示‘与’关系；

（10）重复步骤（1）~（9），直至待修复区域内的所有点被修复。

2.根据权利要求书1所述的贝叶斯非局部均值图像修复方法，其特征在于步骤（2）所述的置信度项C(p)和数据项D(p)的计算方法为：

C(p)=Σx∈ψp∩(I-Ω)C(x)|ψp|]]>D(p)=|▿Ip⊥·np|α,]]>

其中，x为修复块Ψ_p中像素值已知的点，C(q)为点q的置信度，|Ψ_p|为修复块Ψ_P的面积，n_p为在p处与待修复区域边界垂直的单位向量，为与p点处的梯度垂直的单位向量，即p点处等照度线方向的单位向量，α为标准化参数，对于8位灰度图像，α＝255。