一種基于Criminisi算法改進(jìn)的圖像修復(fù)技術(shù)

1、    一種基于criminisi算法改進(jìn)的圖像修復(fù)技術(shù)    齊玲 王錦摘 要：針對(duì)criminisi 算法及其現(xiàn)階段存在的不足，提出一種新的基于樣本塊的圖像修復(fù)改進(jìn)算法。通過圖片預(yù)處理，首先重建圖像破損邊緣，改善修復(fù)后圖像邊緣模糊、斷裂、過度延伸等情況;其次在優(yōu)先級(jí)計(jì)算中引入、調(diào)節(jié)因子，增加數(shù)據(jù)項(xiàng)權(quán)重，從而得到更加精確的優(yōu)先權(quán)順序，同時(shí)防止優(yōu)先權(quán)值在修復(fù)后期快速衰減。計(jì)算修復(fù)圖像的 psnr值并與原criminisi 算法進(jìn)行對(duì)比，結(jié)果表明改進(jìn)算法有更好的修復(fù)效果。關(guān)鍵詞：圖像修復(fù);criminisi 算法;優(yōu)先權(quán);邊緣重建doi：10. 11907

2、/rjdk. 191040中圖分類號(hào)：tp317.4：a：1672-7800（2019）004-0188-030 引言圖像修復(fù)就是對(duì)錯(cuò)誤和缺損的圖像區(qū)域，通過參考圖像其它區(qū)域內(nèi)容和信息，恢復(fù)原始圖片中缺失的部分1。目的是保持圖片整體性，保證圖像能夠符合人的認(rèn)知心理，保證修復(fù)的區(qū)域邊界能夠與已知區(qū)域平滑自然相交，保證圖片表達(dá)形態(tài)具有連貫性，盡可能減少修復(fù)痕跡。圖像修復(fù)技術(shù)應(yīng)用廣泛，比如醫(yī)學(xué)成像、特殊物體去除、壁畫修復(fù)、圖像壓縮等，具有很高的使用價(jià)值和研究?jī)r(jià)值。圖像修復(fù)算法可分為基于偏微分方程的修復(fù)技術(shù)、基于圖像分解的修復(fù)方法、基于紋理合成的圖像修復(fù)算法3類2?；谄⒎址匠痰男迯?fù)算法對(duì)小尺度破損

3、圖像具有較好修復(fù)效果，其代表算法有：bertalmio等3提出的 bscb（bertamlio sapiro caselles ballester）模型、chan等4，5建立的全變分（total variation，tv）圖像修復(fù)模型以及曲率驅(qū)動(dòng)擴(kuò)散的（curvature driven diffusions，cdd）修復(fù)模型等?；趫D像分解的修復(fù)方法與基于紋理合成的修復(fù)方法則對(duì)修復(fù)缺損面積較大的數(shù)字圖像有較好效果?；趫D像分解的修復(fù)方法是先將圖像分解成結(jié)構(gòu)和紋理兩個(gè)部分6，7。bertalmio 等8提出對(duì)紋理部分采用紋理合成技術(shù)修復(fù)，用bscb方法對(duì)結(jié)構(gòu)部分進(jìn)行修復(fù)，最后兩者疊加得到最終修復(fù)

4、效果，或者用pde修復(fù)技術(shù)修復(fù)結(jié)構(gòu)部分。基于紋理合成的圖像修復(fù)算法基本思想是：從未破損區(qū)域?qū)ふ遗c丟失信息部分最為相似的圖像塊。其中，最具代表性的是 criminisi 算法9。在此基礎(chǔ)上，大量學(xué)者針對(duì)其不足提出了不同改進(jìn)算法。張絢等10提出對(duì)優(yōu)先權(quán)與最佳匹配塊選取進(jìn)行改進(jìn)的基于樣例的圖像修復(fù)方法;王新年等11提出通過引入幾何距離確定最佳匹配塊的改進(jìn)算法;韓明珠等12通過引入調(diào)節(jié)因子對(duì)優(yōu)先級(jí)順序進(jìn)行調(diào)整，提高了算法在處理圖像紋理細(xì)節(jié)方面的敏感性;池悅等13通過膨脹腐蝕對(duì)圖片進(jìn)行預(yù)處理，然后將置信度計(jì)算引入指數(shù)并采用局部搜索方法，最后使用拉普拉斯銳化整幅圖像以此改進(jìn)該算法;何凱等14通過改進(jìn)置信度

5、更新函數(shù)并且引入census與原匹配準(zhǔn)則相結(jié)合，既提高了圖像修復(fù)方向的準(zhǔn)確性，又提高了修復(fù)匹配的精確度;歐先鋒等15提出一種自適應(yīng)選擇樣本塊大小的算法，主要通過計(jì)算梯度值大小自適應(yīng)調(diào)整樣本塊大小;黃穎等16提出一種先利用曲率因子改進(jìn)優(yōu)先權(quán)，再用高斯函數(shù)更新置信項(xiàng)的改進(jìn)算法。本文改進(jìn)算法針對(duì)目前仍然存在的不足，首先對(duì)待修復(fù)圖像進(jìn)行預(yù)處理，使用曲線擬合對(duì)其破損邊緣進(jìn)行重建，填補(bǔ)缺失的結(jié)構(gòu)信息，改善圖像修復(fù)后邊緣模糊、斷裂、過度延伸等情況;其次重新定義了 criminisi 算法中修復(fù)塊的優(yōu)先權(quán)計(jì)算公式，增加了數(shù)據(jù)項(xiàng)的權(quán)重，在修復(fù)圖像時(shí)提高優(yōu)先權(quán)計(jì)算的可靠性，取得了更準(zhǔn)確的修復(fù)順序。實(shí)驗(yàn)證明，算法在

6、圖像修復(fù)質(zhì)量方面取得了較好效果。1 criminisi算法criminisi算法將圖像結(jié)構(gòu)信息作為圖像修復(fù)順序參考，在修復(fù)過程中能根據(jù)圖像信息合理安排修復(fù)順序。criminisi 算法除了對(duì)大區(qū)域破損圖像的修復(fù)有較好效果，其執(zhí)行效率也有明顯優(yōu)勢(shì)。1.1 criminisi算法原理1.2 算法流程criminisi 算法流程關(guān)鍵在于破損區(qū)域的填補(bǔ)順序。實(shí)現(xiàn)步驟為：2 算法改進(jìn)2.1 預(yù)處理bezier曲線主要通過交互確定一組控制多邊形定點(diǎn)獲得所需曲線形式17-19。當(dāng)其移動(dòng)兩端的端點(diǎn)時(shí)，即可改變曲線的彎曲程度;若中間點(diǎn)移動(dòng)，則在起點(diǎn)與終點(diǎn)之間勻速運(yùn)動(dòng)。本文主要用一階（線性）貝塞爾曲線和二階貝塞爾

7、曲線對(duì)圖像進(jìn)行預(yù)處理。利用貝塞爾曲線預(yù)先對(duì)破損邊緣進(jìn)行修復(fù)，能有效改善圖像修復(fù)后出現(xiàn)的邊緣模糊、斷裂不連續(xù)等情況，達(dá)到邊緣重建效果20。2.2 優(yōu)先權(quán)改進(jìn)在優(yōu)先權(quán)計(jì)算公式中，d（p）代表的是圖像結(jié)構(gòu)信息，破損區(qū)域隨著修復(fù)逐漸變小，且？ip與np的夾角會(huì)越來越大并形成垂直，因而數(shù)據(jù)項(xiàng)d（p）的值也會(huì)越來越小并且趨于零，與之相反的是，置信度項(xiàng)c（p）的值卻逐漸變大。但是，由于優(yōu)先權(quán)值p（p）為數(shù)據(jù)項(xiàng)與置信度項(xiàng)的乘積，隨著數(shù)據(jù)項(xiàng)的值逐漸減小為零，置信度項(xiàng)也就沒有什么意義了，此時(shí)優(yōu)先權(quán)值p（p）依然可能隨著修復(fù)進(jìn)行出現(xiàn)為0的情況，修復(fù)順序同樣會(huì)產(chǎn)生錯(cuò)誤21。 一旦產(chǎn)生錯(cuò)誤順序，criminisi算法會(huì)

8、一直沿著錯(cuò)誤方向繼續(xù)修復(fù)，將直接導(dǎo)致最后圖像修復(fù)質(zhì)量受到重大影響。為了解決上述問題，將c（p）與d（p）改為相加，并引入權(quán)值、。改進(jìn)的優(yōu)先權(quán)計(jì)算公式如下：3 實(shí)驗(yàn)結(jié)果對(duì)比與分析為了驗(yàn)證本文改進(jìn)算法的修復(fù)效果，以matlab r2016a作為實(shí)驗(yàn)平臺(tái)進(jìn)行仿真實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析比較。評(píng)價(jià)方式為主觀感受與客觀評(píng)價(jià)相結(jié)合，其中客觀評(píng)價(jià)以峰值信噪比（psnr）的值為參考標(biāo)準(zhǔn)，psnr值越大，其修復(fù)效果越好。圖2所示圖像修復(fù)結(jié)果主要是針對(duì)優(yōu)先權(quán)的改進(jìn)。通過實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)取0.2、取0.8時(shí)，其修復(fù)效果最好。從圖3、圖4所示實(shí)驗(yàn)結(jié)果可看出，原算法修復(fù)效果并不理想。圖3（b）中，帽子和手臂處修復(fù)后存在明

9、顯的邊緣斷裂不連續(xù)問題;在圖4（b）中也同樣存在3處類似問題。但是，從圖3（c）和圖4（c）所示修復(fù)結(jié)果及標(biāo)出的psnr值來看，本文算法較好地解決了該問題，并取得了較好修復(fù)效果。4 結(jié)語(yǔ)本文針對(duì)圖像修復(fù)過程中出現(xiàn)邊緣模糊以及不能準(zhǔn)確計(jì)算最大優(yōu)先級(jí)修復(fù)塊的問題，在criminisi 算法基礎(chǔ)上提出了新的改進(jìn)。通過實(shí)驗(yàn)結(jié)果比較分析，本文算法取得了良好的修復(fù)效果。除了在算法本身不足基礎(chǔ)上提出改進(jìn)，還可通過某些技術(shù)手段對(duì)原破損圖像進(jìn)行前期處理，強(qiáng)化圖像破損邊緣，達(dá)到計(jì)算出最佳修復(fù)順序的目的，以此提高圖像修復(fù)質(zhì)量。在接下來工作中，可從算法的匹配準(zhǔn)則入手，提高樣本匹配準(zhǔn)確率，以獲得更好的修復(fù)效果。參考文獻(xiàn)

10、：1 guillemot c，meur o l. image inpainting：overview and recent advancesj. signal processing magazine ieee，2014，31（1）：127-144.2 張斐. 大區(qū)域圖像修復(fù)算法研究d. 南京：南京郵電大學(xué)，2013.3 bertalmio m，saprio g，caselles v，et al. image inpaintingc. proceedings of acm siggraph，2000： 417-424.4 chan t f，shen j. mathematical models

11、for local nontexture inpaintingsj. siam journal on applied mathematics，2015，62（3）：1019-1043.5 chan t，shen j. non-texture inpainting by curvature driven diffusions （cdd）j. j visual comm image rep，2001，12（4）：436-449.6 gu j，peng s，wang x. digital image inpainting using monte carlo methodc. internationa

12、l conference on image processing，2004： 961-964.7 aujol j f，aubert g，laure b f， et al. image decomposition application to sar imagesc. international conference on scale space methods in computer vision， 2003： 297-312.8 bertalmio？m，vese？l，sapiro？g，et？al.？simultaneous structure and texture image inpain

13、tingj. ieee transactions on image processing，2003，12（8）：882-889.9 criminisi a，perez p，toyama k. region filling and object removal by exemplar-based image  inpaintingj. ieee transactions on image processing， 2004， 13（9）：1200-1212.10 張絢，尹立新，李振杰. 一種改進(jìn)的基于樣例的圖像修復(fù)算法j. 計(jì)算機(jī)應(yīng)用與軟件，2014， 31（10）：216-219.11

14、 王新年，王哲，王演. 基于幾何距離的 criminisi 圖像修復(fù)算法j.計(jì)算機(jī)工程與設(shè)計(jì)，2015（7）：1835-1839.12 韓明珠，郭樹旭，臧玲玲，等. 基于樣本塊的圖像修復(fù)改進(jìn)算法j. 計(jì)算機(jī)工程與應(yīng)用， 2015， 51（ 16） ： 192-194.13 池悅，何寧，張琪，等. 一種改進(jìn)的基于criminisi算法的目標(biāo)移除方法j. 北京聯(lián)合大學(xué)學(xué)報(bào)， 2017， 31（1）：67-74+80.14 何凱，高俊俏，盧雯霞. 基于改進(jìn)置信度函數(shù)及匹配準(zhǔn)則的圖像修復(fù)算法j. 天津大學(xué)學(xué)報(bào)：自然科學(xué)與工程技術(shù)版，2017，50（4）：399-404.15 歐先鋒，晏鵬程，郭龍?jiān)? 一種改進(jìn)的criminisi圖像修復(fù)算法j. 成都工業(yè)學(xué)院學(xué)報(bào)，2018，21（1）：27-30.16 黃穎，李凱，楊明. 基于樣本塊與曲率特征的圖像修復(fù)改進(jìn)算法j. 計(jì)算機(jī)應(yīng)用研究，2018，35（4）：1274-1276+1280.17 馬華，劉峰，任春麗. bezier曲線的計(jì)算機(jī)實(shí)現(xiàn)j.西安電子科技大學(xué)學(xué)報(bào)，2002（4）：565-568.18 鄭厚生. 關(guān)于bezier曲線性質(zhì)及曲線