[发明专利]一种改进的Criminisi图像修复方法

说明书

在图目前常用的图像修复算法中，综合考虑修复时间和修复效果，Criminisi算法的性能较为优越，然而，该算法在进行破损区域修复时，容易出现匹配错误，经研究发现，出现错误匹配的主要原因在于修复顺序不准确，因此本发明通过对Criminisi算法进行改进，优化优先权计算公式，在相乘运算基础上加上C(p)，并通过为其引入α因子来提高数据项的重要程度，降低了样本块的错误匹配，并且改善了图像纹理细节部分的修复效果。

技术领域：

本发明属于图像修复领域，具体涉及一种改进的Criminisi图像修复方法。

背景技术：

图像修复是对图像的破损区域重建或者去除图像中的噪声和目标物。根据图像修复的定义，可以将图像分为两部分，一部分为图像未破损的区域，即为图像的已知区域；另一部分为图像的破损区域，即图像的待修复区域。图像修复的过程就是利用图像中的完整像素信息来填充缺失信息的过程。目前，对于图像修复的方法主要分为两类：一种是基于非纹理(结构)图像的点填充技术，另一种是基于纹理的样本块填充技术。

目前最具有代表性的图像修复方法包括：BSCB(Bertalmio,Sapiro,Caselles,Ballester)算法，其主要思想是将到达修复区域的边缘以原有的角度延伸到修复区域内部；整体变分(Total Variation,TV)模型，最大的优点在于有效克服了线性滤波在抑制噪声的同时平滑图像边缘的缺点；CDD(Curvature-Drive Diffusions)模型，是对TV模型的一种改进算法，其目的是为了解决TV模型中视觉不连续的问题；Criminisi算法，其主要思想是基于对等照度线的修复优先权方法来确定待修补块的优先级，然后在未破损区域为优先级最高的待修补块寻找最佳的匹配块来代替该待修补块。

通过实验的方式对比目前这几种常用的图像修复模型发现，BSCB算法相比TV算法修复的结果对破损部分处理地更好，但算法较为复杂，而CDD算法修复的结果要比前两种算法好，修复更加自然，更符合人类的视觉感受，但相应的修复速度较慢，总的来说，这三种算法都比较适用于破损区域较小的情形，当破损区域较大时，修复效果不理想；Criminisi算法在破损区域较大时，也能进行较好地修复，算法复杂度不高，综合考虑时间和修复效果，Criminisi算法性能优于其他几种算法，因此本申请使用Criminisi算法来进行图像修复。

Criminisi算法的主要思想是：首先，利用基于对等照度线的修复优先权方法来确定待修补块的优先级；其次，根据一定的搜索策略，在未破损区域为优先级最高的待修补块寻找最佳的匹配块；最后，将最佳匹配块中的像素信息填充到待修补区域中，其原理图如图1所示。重复上述过程，直到整个受损区域被填充修补完整。

如图1所示，I为整幅图像，Ω为待修复区域，表示待修复区域的边缘，Φ表示图像未破损的区域，即为图像已知部分，Φ＝I-Ω。

Criminisi算法具体步骤为：

①计算待修复区域中优先级最高的像素块。选取边缘上一点以点p为中心的待修补块的块的优先级P(p)为：

P(p)＝C(p)D(p)

式中，C(p)为置信度项，表示以p为中心的待修复块ψ_p中包含的已知像素点的多少，C(p)越大，说明ψ_p中包含的已知信息的比例越大，置信度越高，应当优先修复，D(p)为数据项，表示结构信息量，D(p)越大，说明图像表面线性结构越复杂，越应当优先修复。C(p)和D(p)分别定义为:

其中，|ψ_p|表示ψ_p的面积；β表示归一化因子，对于灰度图像来说，β＝255；n_p为待修复区域边缘上点p的法向量，为点p的同色线，即与点p梯度方向垂直的方向，可定义为：