[发明专利]一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法

说明书

本发明公开了一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法，算法步骤包括：读取破损的图像，并标记待修复区域；提取目标区域内所有已知像素点信息；根据提取的已知像素点信息构建结构差异矩阵；在目标区域内提取一定大小的以待修复区域边界上任意待修复点p为中心的窗口区域，计算待修复点p的边缘结构系数T(p)、标准差参数S_p(p)以及置信度参数C(p)；按照公式P(p)＝T(p)·C(p)·S_p(p)计算此待修复点的优先权值P(p)；遍历待修复区域边界上所有待修复点，修复以优先权值最大的待修复点为中心的窗口区域，并更新待修复区域边界；重复上述步骤，直至待修复区域修复完全。本发明根据各目标区域的差异大小，得到稳定的优先权值，大大降低了优先权的计算时间。

技术领域

本发明涉及图像处理技术领域，具体说涉及一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法。

背景技术

图像修复是一门古老的艺术，起源于欧洲文艺复兴时期，通常指恢复图像中丢失或者破损的像素或者区域。人们对不连续的边界非常敏感，而丢失区域一般包括结构、纹理和平滑，结构连贯更接近真实的视觉效果，因此研究者将这三层分开，而恢复结构层是其中比较重要的部分。修复顺序的选择对修复结果的影响很大，一般具有结构型的块是应该被首先修复的。Criminisi利用局部边界的等照度线方向和单位法线方向定义块的填充次序，得到优先填充的样本块后，利用全局搜索方式在已知区域中寻找最佳匹配块，并通过最佳匹配块填充待修复样本块。

还有一些方法利用待修复区域边界点为中心选取图像块，再用所选取块与邻域块的差异大小计算相似性权重，运用所有已知邻域块的相似性权重构建结构稀疏度，用结构稀疏度计算填充顺序。修复块构建是将多个匹配块的稀疏表示作为填充信息,提高了修复图像的质量。此外，还可在图像的已知区域计算相似块，并计算块补偿，大多数的图像有着相似的补偿，补偿分布的峰值和主补偿相关。根据主要的补偿，输入图像形成了很多有位移的版本图像。这些有位移的图像通过优化全局的MRF能量函数合并。这些方法对修复图像产生了很好的视觉效果和连通性，特别的，被修复的缺损区域有着均匀的纹理和少数的结构。

针对物体移除的图像修复问题，一些学者提出了基于样本块和深度相结合的图像修复算法，用图像的深度图找到目的图像所修复物体的顺序，和物体的多视角图，然后去填补孔洞。为了减少数据库的大小，提出了主视角抽取(Keyview Extraction)的方法，并使用一种几何的和光测度的算法进行物体检索。还有基于示例的方法，对优先级功能进行改进，在优先级函数中考虑线性结构的优先级，并且使算法更早地线性结构，以解决完成顺序和线性结构传播问题。此外，为了检测最有效的结构，在优先级中使用了图像结构张量和图像梯度的组合。

上述算法虽然均能在一定程度上实现图像修复功能，但算法均存在一些无法克服的问题，如填充顺序不够稳定、匹配准则不够合理、耗时较长等。

发明内容

鉴于已有技术存在的不足，本发明的目的是要提供一种利用小图像块彼此之间的差异大小区分待修复点所在区域的优先权算法。

为了实现上述目的，本发明技术方案如下：

一种基于结构差异与待修复边缘结构系数的优先权算法，其特征在于，其步骤包括：

S1读取破损的图像，并标记待修复区域；

S2提取包含待修复区域边界在内，且大小一定的目标区域，并提取目标区域内所有已知像素点信息；

S3根据提取的已知像素点信息构建结构差异矩阵；

S4在目标区域内提取一定大小的以待修复区域边界上任意待修复点p为中心的窗口区域，计算待修复点p的边缘结构系数T(p)；

S5计算待修复点p在以其为中心的窗口区域内的标准差参数S_p(p)以及置信度参数C(p)；