发明专利样稿

百度文库- 让每个人平等地提升自我本发明涉及一种图像修复方法，本发明首先将目标图像进行方向经验模型分解，并允许根据已有信息绘制给定待修复区域内已破坏的边结构信息，利用方向经验模型分解得到的频率特征值计算相似度先行完成整个受损区域内的边结构修复，然后再根据待修复区域边界上像素点的梯度特征结合置信度计算剩余填充区域的优先级，并再次利用分解得到的频率特征值计算相似度完成对应区域的修复。

本发明的方法不仅能够修复较大尺度缺损区域中的结构和纹理信息，还能够修复具有一定遮挡关系的图像。

修复过程鲁棒性高，有效地防止了错误信息的连续扩展。

选择待修复区域对待修复图像进行方向经验模型分解根据已有信息修复待修复区域中已破坏的边缘结构利用梯度结合置信度选择剩余区域优先级最高块作为临时待填充目标样本块在已知区域利用方向经验模型分解得到的频率特征值计算相似度搜索相似度最高的源样本块完成当前目标样本块修复用相关性搜索策略完成其它级图像对应位置修复置信度是否都为1更新各级图像边界像素的置信度结束否是1、一种图像修复方法，其特征在于，包括以下步骤：步骤一，对于给定的图像f (x , y )，选择待修复区域Ω，其中x ，y 表示像素点的坐标值；步骤二，利用方向经验模型对给定的图像f (x , y )进行分解，得到三级以上图像； 步骤三，根据已有信息修复每级分解所得图像的待修复区域中已破坏的边缘结构； 步骤四，自动修复各级图像，以每级分解图像的边界上优先级最高的目标样本块作为一次迭代填充单位，重复以下步骤，直到填满各级图像被修复区域内的所有像素：步骤（1），利用梯度值、置信度计算各级图像边界区域的优先级，步骤（2），根据优先级、相似度和相关性搜索策略确定本次各级图像填充的目标样本块，完成对应区域的修复，步骤（3），更新本次迭代处理后的各级图像边界区域像素的置信度；其中， 梯度值∑∈+=Np y x p G p G N q G )()(1)(22，其中，N 表示像素q 的邻域面积，大小与待修复的目标样本块t ψ和源样本块为s ψ的大小相同，N 表示N 中所含像素个数；置信度⎩⎨⎧Ω∈∀Ω∈∀=\ ,1 ,0)(I q q q D ，其中，I 为原图像，Ω为待修复区域，当像素Ω∈q ，q 点处的置信度)(q D 初始化为0，否则初始化为1；对于给定中心位置在c q 处的目标样本块t ψ，待修复区域Ω的边界为∂Ω，Ω∂∈c q ，其优先级)()()(c c c q G q C q P ⋅=，其中，t I p c p D q C t ψ=∑Ω⋂ψ∈)()()\(，t ψ表示待修复的目标样本块t ψ中所含像素个数，)(c q G 为梯度值。

2、根据权利要求1所述的一种图像修复方法，其特征在于，步骤二中，采用方向经验模型将图像f (x , y )分解为：),(),(),(1y x r y x imf y x f N Ni i θθ+=∑=，其中，θ为进行方向经验模型分解的方向，),(y x imf i θ是对应于方向θ的二维各级图像，),(y x r Nθ对应于方向θ的残余图像。

3、根据权利要求1所述的一种图像修复方法，其特征在于，步骤三中根据已有信息修复每级分解所得图像的待修复区域中已破坏的边缘结构，具体为：根据已有信息指定待修复区域中已破坏的边结构信息，并利用方向经验模型分解得到的频率特征值修复选定的边缘结构，沿已知区域的已有边界绘制相应的曲线，表示出完整的结构信息；在进行修复时，在各级图像中首先沿绘制曲线顺序进行修复，第一个待修复的目标样本块t ψ为按照绘制顺序绘制的第一条曲线与待修复区域Ω的交界位置；对应的搜索匹配空间为在已知区域绘制的曲线上，并利用当前级图像中目标样本块t ψ与源样本块s ψ的相似度在定义的搜索匹配空间中搜索与其匹配的源样本块s ψ，直到边缘结构完全修复；对于图像中每个像素点(x ,y )的三个频率特征值计算公式为：),(),,(),(y x w y x A y x V k i i =，其中：])()[(22iH i i imf imf sqrt A +=，22)()(iH i i iH iH i k i imf imf d imf d imf w +-=θθ，imf iH (x , y )为第i 级图像imf i (x , y )对应于θ方向的2–D Hilbert 变换；k =1对应θ方向，k =2对应θ+90°方向。

4、根据权利要求3所述的一种图像修复方法，其特征在于，步骤四的步骤（2）中，填充过程如下：步骤(41) 在待修复图像中，利用梯度值、置信度确定剩余目标样本块的填充优先级，选取优先级最高的块作为当前待修复的目标样本块；步骤(42) 在图像中待修复区域外的部分，利用方向经验模型分解得到的频率特征值，在对应级图像的图像中待修复区域外的部分中搜索具有最高相似性的源样本块进行复制，完成当前目标区域的修复；步骤(43) 对于其它级图像的修复，利用相关性搜索策略完成对应的修复；步骤(44) 更新本次迭代处理后的各级图像边界区域像素的置信度为1，重复以上步骤，直到完成各级图像的修复。

5、根据权利要求4所述的一种图像修复方法，其特征在于，所述相关性搜索策略包括以下步骤：初始化：Imf (i ) 和Imf (i-1)为相邻两级待修复图像，Imf (i-1)为已经修复完毕的图像，Imf (i )为当前待修复图像；步骤（51），采用优先级计算方法计算图像Imf (i )边界区域的优先级，选取具有最高填充优先级的目标样本块)()(i imf t ψ为当前待填充块，其中心点)(i imf c p Ω∂∈，)(i imf Ω∂为当前待填充区域的边界；步骤（52），在其上一级已修复完毕的IMF 图像Imf (i-1)中的寻找对应位置)()1(-ψi imf t ，从对应的已知区域Φ中通过频率特征值的相似度计算搜索与目标样本块)()1(-ψi imf t 匹配的小于阈值的一些源样本块)()1(-ψi imf s ，并构造一个集合；步骤（53），在Imf (i )图像中寻找与步骤（52）中构造集合对应的源样本块)()(i imf s ψ，并通过频率特征值的相似度计算，求得最为匹配的源样本块；步骤（54），重复步骤（51）至步骤（51）直到完成该级图像Imf (i )的修复后结束。

6、根据权利要求3或5所述的一种图像修复方法，其特征在于，所述当前级图像中目标样本块t ψ与源样本块s ψ的相似度计算公式为：])(1[),(12)()()()(∑=ψψ-=ψψNj j j imf s imf t i imf s i imf t i i V V N sqrt d ，其中，)(i imf t ψ指第i 级图像中的目标样本块t ψ，)(i imf s ψ指对应合成的第i 级图像中的源样本块s ψ，N 指图像块在已知区域所占像素个数，j i imf t V )(ψ和j iimf s V )(ψ指的是对应区域中第j 个像素的频率特征值。

一种图像修复方法技术领域本发明涉及一种图像修复方法，属于计算机图像处理和计算机图形学领域，具体说是一种图像修复算法。

背景技术图像修复可以用来解决对破损的画作、照片等影像资料进行修复；可以用来去除图像或视频中的某些特定目标；可以用来完成在数字图像或视频的获取、处理、传输和解压缩过程中因信息丢失所留下的信息缺损区的修复；还可以用于进行超分辨率和高光去除等技术的研究。

这项技术涉及图像处理，计算机视觉，图形学，模式识别，人工智能，机器学习等多个领域的技术。

近年来，在图像和视频修复方面，国内外的研究者从不同的研究角度出发提出了很多卓有成效的方法，根据出发点的不同，概括起来，其中代表性的方法大致可以分为三类：一类是基于偏微分方程(Partial Differential Equation, PDE)的修复方法，如文献1：M. Bertalmio, G. Sapiro, V. Caselles, et al.. Image inpainting. Proceedings of ACM SIGGRAPH. 2000, 417-424.和文献2：T. F. Chan and J. Shen, Variational image inpainting. . 2005, 58(5): 579-619.介绍的，该类方法适用于修复图像或视频中小尺度缺损；另一类是基于纹理合成(Texture Synthesis)的修复方法，如文献3：A. Criminisi, P. Pérez, K. Toyama. Region filling and object removal by exemplar-based image inpainting. IEEE Transactions on Image Processing. 2004, 13(9): 1200-1212.和文献4：J. Sun, L. Yuan, J. Jia, et al.. Image completion with structure propagation. ACM Transactions on Graphics. July 2005, 24(3): 861-868.介绍的，该类方法适用于修复图像或视频中大尺度缺损；还有一类是基于图像分解的修复技术，如文献5：M. Bertalmio, L. Vese, G. Sapiro, et al.. Simultaneous structure and texture image inpainting. IEEE Transactions on Image Processing. 2003, 12(8): 882-889和文献6：P. Perez, M. Gangnet, A. Blake. Poisson image editing. Proceedings of ACM SIGGRAPH. 2003, 313-318.介绍的，该类方法将上述两种方法进行结合，但由于受基于偏微分方程的修复方法的限制比较大，所以也不适合修复图像或视频中的大尺度缺损。

偏微分方程在图像处理领域的研究始于上世纪六、七十年代，最早用于图像去噪方面的研究。

到上世纪九十年代，偏微分方程在图像处理理论上有了较大的发展，并结合其它的数学工具，如形态学、仿射几何、逼近论等，形成了较完整的理论体系。

基于偏微分方程的图像处理方法具有很好的数学基础，深入的理论背景，算法稳定性也较高。

早期的图像修复技术多数都是基于PDE来完成的，这类算法的主要思想是利用偏微分方程来做图像的修复，它对待修复区域没有拓扑限制，而且插值由合适的PDE 数值格式自动来完成。