[发明专利]基于Facet方向导数特征的样例双重稀疏图像修复方法

说明书

本发明涉及基于Facet方向导数特征的样例双重稀疏图像修复方法：步骤一：在Facet模型下获取图像不同方向的方向特征信息；步骤二：采用改进的修复优先级计算函数进行待修复图像块的排序；步骤三：通过候选图像块的稀疏表示对步骤二确定的修复优先级最大的破损区域进行修复。本发明方法对方向特征进行充分利用，通过构造新的图像块距离计算函数，并在稀疏求解环节加入方向特征空间一致性和连续性约束；同时对修复优先级函数进行调整和完善，将图像块置信度数值控制在合理范围之内，确保优先级计算结果的可靠性。充分考虑了图像的色彩信息和方向特征信息，能够较好地应对各种图像损伤情况，具有较好的普适性和广阔的市场前景与应用价值。

【技术领域】

本发明涉及基于Facet方向导数特征的样例双重稀疏图像修复方法，稀疏特性和图像修复技术在图像应用领域具有广泛的应用，隶属于数字图像处理领域。

【背景技术】

图像修复是指利用图像未受损区域的灰度、颜色、纹理等特征对受损区域进行修复重建，或去除图像中的多余物体。人工的图像修复方式通常较为依赖修复者的工作经验，效率较低，且修复结果存在较强的主观性。数字图像修复的方法则可以较好地克服上述缺点。数字图像修复指以计算机程序为主体，数字图像为修复目标，在标定待修复区域的情况下，利用图像中的已知信息修复图中的受损部分。数字图像修复方法根据原理不同大致可分为以下几类：基于样例的修复方法、基于扩散的修复方法以及基于稀疏特性的修复方法等。

图像的稀疏性质在近些年被学者们广泛研究。埃拉德等人通过分析图像结构层和纹理层在不同字典下稀疏度的不同，利用离散余弦变换和曲波变换将结构层和纹理层分开(参见文献：埃拉德,斯塔克,奎尔,多诺霍.利用形态学分析的纹理层与卡通层同时修复方法.应用和计算谐波分析.卷19,340-358,2005.(M.Elad,J.L.Starck,P.Querre,andD.L.Donoho,“Simultaneous cartoon and texture image inpainting usingmorphological component analysis(MCA),”Appl.Comput.Harmonic Anal.,vol.19,no.3,pp.340-358,2005.))；法蒂里根据贝叶斯框架下的最大似然估计法提出了期望最大化修复算法(法蒂里,斯塔克.基于稀疏表示的最大期望值图像修复方法.美国电子电器工程师协会图像处理国际会议.61-64,2005.(M.J.Fadili and J.L.Starck,“EM algorithmfor sparse representation-based image inpainting,”in Proc.IEEE Int.Conf.ImageProcess.,Sep.2005,pp.II-61–II-64.))。但基于固定字典的稀疏修复方法的普适性有所欠缺。因此，学习型字典的概念被提出。周明远等提出了非参数的贝叶斯框架下的字典学习(周明远等.一种利用非参数的贝叶斯字典学习的图像降噪与修复方法.美国电气电子工程师学会图像处理汇刊.卷21,130-144,2012.(M.Zhou et al.,“Nonparametric Bayesiandictionary learning for analysis of noisy and incomplete images,”IEEETrans.Image Process.,vol.21,no.1,pp.130–144,Jan.2012.))；迈拉尔等则提出在线学习方法来训练和构建过完备字典(迈拉尔,巴赫,庞斯,萨皮罗.一种矩阵正则化与稀疏编码的在线学习方法.机器学习研究杂志.卷11,19-60,2010.(J.Mairal,F.Bach,J.Ponce,andG.Sapiro,“Online learning for matrix factorization and sparse coding,”J.Mach.Learn.Res.,vol.11,pp.19–60,Jan.2010.))。