[发明专利]一种利用边缘统计特征的MRF样本块图像修复方法

权利要求书

1.一种利用边缘统计特征的MRF样本块图像修复方法，其特征在于，包括以下步骤：

A、对待修复图像I，确认破损区域为Ω；

B、对待修复图像I划分为边缘特征图像I_edge和非边缘特征图像I_non-edge；

C、将边缘特征图像I_edge和非边缘特征图像I_non-edge分别统计相似样本块间的偏移映射，并将偏移映射作为候选标签用于下一步的优化求解；

D、利用Curvelet变换提取待修复图像I的8方向特征；

E、构造保持邻域连续一致性的全局能量方程；

F、利用选择出的候选标签和多标签图割算法求解全局能量极值，得到分配给每个节点的标签m；

G、将每个节点对应标签的信息复制到未知区域中，即I(x)＝I(x+m)，得到修复后图像I_R；

其中I(x)表示图像位于位置x上的RGB强度值。

2.根据权利要求1所述的一种利用边缘统计特征的MRF样本块图像修复方法，其特征在于，所述步骤B中具体过程为：

(1)首先利用Curvelet变换提取待修复图像I的高频信息和低频信息：若待修复图像I为彩色图像，将其由RGB空间转到YUV空间内，利用I_Y标记Y通道图像；若待修复图像I为灰度图像，令I_Y＝I；

(2)再利用Curvelet正变换将I_Y变换到超小波域：

Q_ij＝T⁺(I_Y)

其中T⁺表示Curvelet正变换，Q_ij表示I_Y经过Curvelet正变换后得到的多尺度多方向特征系数，i表示尺度，j表示方向；Curvelet低频信息是指最低尺度层Curvelet系数矩阵Q₁₁；高频尺度层系数矩阵，每个系数矩阵便代表一个不同尺度层下的方向矩阵；

(3)利用Curvelet反变换得到不同的方向特征图像{I_k}_k＝1,…,8：

I_k＝T^-(H_k(Q))

其中H_k(Q)代表最低频系数矩阵和第k个方向特征系数矩阵的集合，具体规则为：

Hk(Q)=Qs,d,ifQs,d∈Zkor s=10,otherwise]]>

其中{Z_k}_k＝1,…,8为不同方向系数矩阵的集合；

(4)而后利用canny算子对每一方向特征图像{I_k}_k＝1,…,8进行边缘特征提取，并对提取后的边缘特征进行形态学操作以获得每个方向上的丰富的边缘信息B_k；

(5)而后将不同方向上的边缘信息{B_k}_k＝1,…,8进行融合得到最终待修复图像的边缘特征B；

(6)按照待修复图像I中的每个像素点的位置来划分边缘特征图像I_edge和非边缘特征图像I_non-edge，其位于边缘点的图像为边缘特征图像I_edge，则I_edge＝I·B，非位于边缘点的图像为非边缘特征图像，则

其中表示对边缘信息取反。