[发明专利]一种多目标图像的修复方法

说明书

本发明实施例提供一种多目标图像的修复方法,包括，构造参数化小波基函数；将小波基函数引入条带波函数中，形成插值多尺度条带波函数；针对图像的不同纹理结构形成参数化插值条带波学习字典；将全变差模型中的BV(Ω)空间用贝索夫空间的代替，并引入参数化插值条带波学习字典，形成图像条带波稀疏表示变分模型；基于图像条带波稀疏表示变分模型，对多目标物图像进行同伦分析，精确分割目标物图像；基于图像的同伦分割结果，建立目标可控的图像分割和修复耦合变分模型，对图像进行修复。该方法基于插值Bendlets(条带波)稀疏表示构建了图像目标可控分割和修复耦合模型，实现了图像中破损目标物的精确修复。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种多目标图像的修复 方法。

背景技术

昆虫的序列显微切片图像分析对于揭示昆虫的繁殖以及农药对昆虫 的作用机理具有重要作用，有助于生物农药的研制和开发，减少化学农药 污染，提高食品安全度。

目前，相对于其他截面图像获取设备，例如核磁共振、激光共聚焦获 取的图像，显微切片图像具有切片厚度薄、图像清晰等优点。但显微切片 图像的制备受到刀具、显微镜、材料以及制备方法本身的影响，切片序列 图像存在以下几个方面的问题。

第一，不可重复性。无论是采用石蜡切片还是冰冻切片，实施连续切 片获取图像后，昆虫体便不复存在。不同的昆虫体彼此并不相同，因此图 像中存在的任何瑕疵都无法通过重复切片来获取。

第二，连续切片过程中会存在褶皱、刀痕等图像污染问题。如图1a 至1d所示的蝗虫头部序列切片，其中椭圆线内的部分是由于褶皱出现的 图像破损情况。由于存在褶皱会造成信息丢失，其必然影响图像的分析及 应用。对于图像修复而言，间断纹理的识别是修复的关键，而现有算法通 常无法区分琐碎的纹理和噪声，不能满足图像修复和分析的需求。

第三，无法精确的修复多目标图像。有时昆虫的显微切片会表现为多目 标图像，例如图2显示了蝗虫体腔的切片图像包括蝗虫的背板a、背血窦b、 中肠c、肌肉组织d、足e多个图像。其中，蝗虫的肌肉纹理表现为典型的纹 理图像，如图3所示。而有些目标物，如中肠组织则表现为较强的多尺度分 形特性，还有部分目标物其内部结构相对平滑，并且图像中目标物的边界也 并非全部表现为“闭环形式”。现有的图像纹理描述方法中，无论小波、Shearlet(剪切波)还是学习字典(用待处理图像或与待处理图像类似的图 像训练出字典，然后利用字典处理待处理图像)，均无法精确描述全部目标 物的特征。因此，采用现有的基于变分法的图像分割算法对此类多目标图像 进行分割时，会出现过分割和欠分割现象，因而无法精确的修复多目标图像。

第四，由于生物组织本身的复杂性，即使切片厚度只有0.1μm，相邻两 切片之间也具有很大的差异，如图4a至4d所示。此外，不同切片之间的旋 转角度也无法精确掌控，这给相邻切片之间的配准带来困难。因此，无法直 接利用相邻切片图像的相似性直接采用插值法修复破损的图像。

第五，切面图像中的破损区域是随机发生的，破损范围往往涉及多个关 键目标物，其纹理结构各不相同。现有的图像修复模型需要知道破损的区域 (边界)，而分割模型需要根据组织的纹理进行分割。因此，现有的图像修 复模型和分割模型都无法实现破损区域的精确修复和分割。

发明内容

本发明实施例提供一种多目标图像的修复方法，以解决现有技术的缺 陷，实现图像的目标可控分割和精确修复。

本发明实施例提供一种多目标图像的修复方法，包括：

S1、构造参数化小波基函数；

S2、将小波基函数引入条带波函数中，形成插值多尺度条带波函数；

S3、针对图像的不同纹理结构形成参数化插值条带波学习字典；