[发明专利]基于样本块的旋转及缩放图像修复方法

权利要求书

1.一种基于样本块的旋转及缩放图像修复方法，其特征在于，包括以下步骤：

1)利用局部特征向量的特性，对图像中未破损区域进行关键点的计算、检测和筛选；

2)计算破损区域中像素点的优先权，选出具有最高优先权的像素点，以此像素点为中心，根据确定的破损块的尺寸大小，定义出破损块；

3)对破损块进行关键点的计算、检测和筛选，然后对破损块和未破损区域进行关键点的匹配，搜寻最优匹配块；

4)利用匹配到的关键点的坐标值确定最优匹配块的边缘轮廓；

5)对最优匹配块的空间能量函数进行空间拓展变换：

式中，i_p是空间变换前像素相对索引值，α_n是尺度变换系数，取值为表示顺时针旋转θ_n角度后的像素相对索引值，n是破损区域的像素点，x是未破损区域的像素点，M(x)是以x为中心的经过拓展变换后的最优匹配块，T代表破损区域，MMSE是最小均方差，B_n是以n为中心的破损块，代表水平和垂直方向的梯度信息，λ是权重因子，取值为λ＝0.2；

6)利用拓展后的最优匹配块对破损块进行信息填充；

7)重复步骤2)至6)，直到所有的破损块都被修复，输出修复后的图像。

2.根据权利要求1所述的基于样本块的旋转及缩放图像修复方法，其特征在于，对步骤1)中的未破损区域和步骤3)中破损块均按以下公式进行关键点的计算、检测和筛选具体过程如下：

首先，极值点通过高斯差分(DOG)函数产生：

F(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

式中，F(x,y,σ)是经过尺度变换之后的图像空间，G(x,y,σ)是多尺度的高斯函数，I(x,y)代表了图像像素值，k是一个固定的乘数因子，*代表了卷积运算；

然后，通过数据采样产生图像金字塔，在每一层图像层中计算像素的最大值和最小值点；在计算出极值点后，根据高斯差分函数的泰勒展开式，对极值点进行筛选，去除对噪声敏感以及位于边缘的那些点，将最后得到的极值点设为关键点；

最后，根据计算关键点的梯度信息来确定其方向特性；图像梯度的幅值和方向由以下的式子计算：

式中，m(x,y)是梯度的幅值，θ(x,y)是梯度的方向值。

3.根据权利要求1所述的基于样本块的旋转及缩放图像修复方法，其特征在于，步骤4)中确定最优匹配块的边缘轮廓的关系式为：

式中，x_min表示关键点横坐标的最小值，x_max表示关键点横坐标的最大值，y_min表示关键点纵坐标的最小值，y_max表示关键点纵坐标的最大值，y_j表示横坐标最小值对应的另一半坐标值，y_i表示横坐标最大值对应的另一半坐标值，x_k表示纵坐标最小值对应的另一半坐标值，x_l表示纵坐标最大值对应的另一半坐标值。