[发明专利]非局部均值图像细节修复方法

摘要

本发明公开了一种非局部均值图像细节修复方法，主要解决现有基于样本的非局部均值图像修复方法中对细节部分的修复出现较大误差的问题。其实现过程是：（1）对待修复图像I,确定待修复区域Ω及其边界δ；（2）找出边界上优先级最高的待修复块（3）根据像素之间的相关性和相似性距离，计算样本块与修补块的相似；（4）搜索与修复块最相似的ｍ个样本块，将其加权均值作为修复块的填充块Ψ₀；（5）更新置信度项及待修复区域，重复步骤（1）～（5）直至待修复区域内的所有点被修复。本发明可用于修复图像破损区域，目标移除和图像中的文本去除。

主权项

1.一种非局部均值图像细节修复方法，包括如下步骤：（1）对于输入的待修复图像I，确定待修复区域Ω和待修复区域的边界δ；（2）利用如下公式，计算出中心点在待修复区域的边界δ上的所有修复块的优先级P(p)：P(p)＝C(p)·D(p)，其中，D(p)为数据项，C(p)为置信度项，表示图像像素点的可信程度，C(p)初始化为C(p)＝0，p∈Ω，C(p)＝1，p∈I-Ω；（3）以优先级最高的修复块的中心点为中心，选取大小为M×M的邻域作为该修复块的搜索区域，定义该区域内以点为中心的块为样本块；（3.1）利用如下公式，计算修复块的中心点和样本块的中心点的相关性：ϵ=exp(-(p^-q^)22σ2)]]>其中，σ²为修复块的方差；（3.2）根据上面得到的相关性，找出搜索区域中所有与修复块的中心点处于同质区域的点，作为新的搜索区域；（4）计算新的搜索区域内的修复块与样本块的相似性距离：d(ψp^,ψq^)=||ψp^-ψq^||22,]]>其中，为2范数；（5）根据相似性距离服从自由度为n的卡方分布x²(n)的特性，当n≥25时，分位点选取相似性距离位于分位点β左侧的最相似的m个样本块，作为修复块的集合；（6）根据相似性距离计算分位点α₀与相似性距离均值的差值：其中，为其分位点的值，为相似性距离的均值；（7）根据如下公式，计算出集合内样本块和修复块的相似性权值：ω=1Zexp(-d(ψp^,ψq^)4σ2Nt),]]>其中，Z为归一化参数，σ²为修复块的方差，N为修复块中像素值已知的点的个数；（8）根据相似性权值，将集合内的全部样本块的加权均值，作为填充块Ψ₀，并用该填充块对修复块进行填充修复；（9）当修复块完成修复后，更新待修复区域，并用修复块中心点的置信度更新已完成修复的点的置信度C(p)：C(p)=C(p^),p∈ψp^∩Ω,]]>其中，为修复块中心点的置信度，∩表示‘与’关系；（10）重复步骤（1）~（9），直至待修复区域内的所有点被修复。