论文部分内容阅读
图像修复是图像处理领域的热点研究问题之一,在计算机视觉、计算机图形学、医学图像处理和遥感成像等领域具有广泛的应用。图像修复最初是指利用已知的损坏图像信息,按照一定规则对损坏的区域进行修补,尽可能的接近或完全恢复出原图像。后来,随着研究的更加深入,图像修复的概念有了延伸,在原来的基础上引入了图像超分辨率和图像去噪等不适定问题。基于图像去噪衍生出了图像平滑,可应用于边缘检测、目标识别和细节增强等领域。问题的不适定性对图像修复的研究带来了极大的挑战,诸多学者为之付出了不懈的努力。借助外部图像库可以有效提高图像修复的质量,但耗时非常久,同时也会带来伪影等问题。充分利用图像的非局部自相似性和局部特征信息,能够有效提高算法效果的同时降低时间复杂度。基于图像分片处理的思想,充分利用图像的自相似性,加权融合图像,在迭代优化中不断提高图像的质量。本文围绕图像修复及其相关问题中的难点和不足展开了研究工作,主要内容如下:1.基于图像自相似性,结合图像分片思想,提出了以局部高频特征为约束的双三次曲面拟合图像放大方法。以高频信息和距离作为约束构造的双三次拟合曲面有效地提高了曲面的逼近精度和形状保持能力,在很好的保持放大图像高频信息的同时避免了锯齿的存在。利用图像的自相似性对基础放大图像进行双重滤波,可以进一步提高放大图像的质量。由于给定的低分辨率图像中信息是不充分的,拟合曲面和真实曲面之间不可避免的存在着误差,因此需要通过不断迭代来优化曲面片。为了加快收敛速度,对误差图像构造了拟合精度更高的双三次曲面。由于该方法有效地保持了图像的局部高频特征信息,相比于其他算法不仅具有较高的峰值信噪比和结构相似性,同时在高频信息处的视觉效果更优。2.基于图像自相似和奇异值分解原理,提出了一种新颖的迭代自适应全局去噪方法。根据图像块的结构复杂度,自适应地确定了搜索窗口的尺寸。为了降低噪声对图像块之间相似性度量的干扰,引入了多尺度相似度度量方法。为了保证对所有图像块都进行去噪,提出了自适应的步长和图像块数量迭代。从理论上将步长变成了 1,实现了在不同的迭代中对所有图像块去噪。在保证了方法速度的前提下,有效地降低了伪影。基于奇异值和噪声水平之间的相关关系估计出了去噪后的奇异值,从而实现了对含噪图像块矩阵的去噪。本文方法在具有较高峰值信噪比和特征相似度的同时具有较快的算法速度和很好的视觉效果。3.基于图像分片分解思想,提出了两种基于边缘块直方图均衡和分片分解的两阶段图像平滑方法。两种方法整体上都包含四个部分。第一,对图像进行合理地分块,尽可能的避免将同一结构边缘分到不同的图像块中。第二,根据每个图像块的边缘像素比将图像块分成‘边缘块’和‘非边缘块’。‘边缘块’中包含了大量边缘,通过直方图均衡‘边缘块’,从而增加边缘像素的梯度。为了保证图像块之间颜色的一致性和连续性,对‘边缘块’进行逆均衡化。第三,对每个图像块进行分解并提取平滑成分,从而降低纹理区域的梯度。第四,对图像块和整幅图像依次进行L0平滑。不同的是,为了更合理地对图像分块,新方法引入了图像的能量图。在指定区域内寻找到最小能量接缝,从而实现对图像的非线性、非均匀分块,有效了减少了因分块和均衡化产生的接缝。结合结构边缘和纹理细节的梯度方向差异,新方法提出了带梯度方向约束的L0平滑方法,同时以图像块的边缘像素比作为松弛因子的权重。与现有的技术相比,本文方法在完整地保持结构边缘和有效地去除纹理细节方面做的更好,其中,新方法的视觉效果更优。