图形图像处理技术..doc

关于数字图像修复技术的资料综述 一数字图像修复技术的背景和定义 图像修复是一项古老的艺术，最早可以追溯到欧洲文艺复兴时期，为了恢复遭受破坏的 美术作品，艺术家们利用人的感知力和想象力对作品的裂痕等受损区域进行修复，使其恢复和保持图像的完整性。这项技术被称为Inpainting（修复）或者称为Retouching（分涂）。 近年来，研究者将艺术品修复的概念引入数字图像处理过程中，提出了数字图像修复的概念（简称修复）。伴随着现代图像视频处理技术的发展，修复得到了越来越广泛的重视，成为新的研究和应用热点。从数学角度看，图像修复就是要根据待修复区域周围的信息将图像填补到待修复区域中，然而，图像修补通常是一个病态问题，因为目前仍没有足够的信息可以保证能唯一正确的恢复被损坏区域，所以人们从视觉心理学的角度进行分析，提出了各种假设限定用来解决这个问题。修复的目的不仅仅是为了修复一些划痕或者污渍而扩展到各个方面： 对有划痕或者破损的图片进行数字扫描后加以修复 对图形上面增加或者去除物体，比如电影后期制作时发现图像中出现多余的物体 修补信息缺失区域，比如数字图片或者视频的获取、处理、压缩、传输和解压缩过程中因信息丢失所遗留下的信息缺损区 三维计算机视觉和三维电视中的应用，比如3D视频视角转换中出现的空白区域的填补，计算机3D制图中的纹理贴图等等。 二.图像修复技术 目前存在两大类图像修复技术：一类是用于修复小尺度缺损的数字图像修补(inpainting)技术。这种技术最早是由Bertalmio，Sapiro，Caselles和Bellester引入到图像处理中旧1，他们利用待修补区域的边缘信息，同时采用一种由粗到精的方法来估计等照度线(isophote)的方向，并采用传播机制将信息传播到待修补的区域内，以便得到较好的修补效果。本质上，它是一种基于偏微分方程(partialdifferential equation，PDE)的inpainting算法，该类方法的主要思想是利用物理学中的热扩散方程将待修补区域周围的信息传播到修补区域中，其典型的方法包括BSCB(Bertalmio—Sapiro-Caselles—Ballester)模型用三阶PDE来模拟平滑传输过程及Chan．Shen提出的用三阶PDE来模拟CDD(curvature drivendiffusions)等。在这类方法中，还有一种是基于几何图像模型的变分修补技术，该类算法的主要思路是模仿修补师的手工修复图像的过程，该类算法认为修补一幅缺损图片主要依赖于以下两个因素：①如何观察并读懂图片的现存部分JU I小D，其用数学语言表达，也就是如何建立图像的数据模型(datamodel)；②原始图片J属于哪类图像，其用数学语言表达，也就是如何获得图像的先验模型(image priormodel)，即通过建立图像的先验模型和数据模型，将修补问题转化为一个泛函求极值的变分问题。这类算法主要包括全变分(total variation，TV)模型¨。 另外一类是用于填充图像中大块丢失信息的图像补全(completion)技术。目前，这一类技术也包含以下两种方法：一种是基于图像分解的修复技术，其主要思想是将图像分解为结构部分和纹理部分，其中结构部分用inpainting算法修补，纹理部分用纹理合成方法填充，例如，Bertalmio等首先用全变分最小化将图像的结构部分提取出来，然后用一个震动函数对纹理或噪声部分建模旧’，当把图像分解成这两个部分以后，再用BSCB模型来修补结构部分，同时用非参数采样纹理合成技术一1来填充纹理部分，最后把这两部分修补的结果叠加起来，就是最终的修补图像，类似的算法还包括文献提出的算法；另一种方法是用基于块的纹理合成技术来填充丢失的信息，该种算法的主要思想是，首先从待修补区域的边界上选取一个像素点，同时以该点为中心，根据图像的纹理特征，选取大小合适的纹理块，然后在待修补区域的周围寻找与之最相近的纹理匹Euler’S elastica模型、Mumford．Shah模型¨。、Mumford．Shah—Euler模型等。由于偏微分方程与变分法是可以通过变分原理相互等价推出的，因此，可把这一类方法统称为基于变分PDE的图像inpainting算法。配块来替代该纹理块。近几年来，利用纹理合成来修复大块丢失信息的图像completion技术得到了相当的研究，也取得了一些成果，其典型的算法包括文献提出的算法。 基于块的纹理合成图像补全技术则不但可以填充任意大小的丢失块，还可以修复破损部分的细节。它的基本思想如图1所示， 图1基本的纹理合成过程 即首先在图像丢失块的边界上任选一像素点，并以该点为中心，设定一定大小的模板，比如：3×3，9 x 9等；然后在整个已知区域内按照某种准则，寻找一个与该模板