论文部分内容阅读
随着科技飞速发展和5G数字化时代的来临,数字图像已经成为日常生活中最常见的信息来源之一。但数字图像在形成、存储和传输过程中常会出现信息丢失的情况,造成数字图像破损。数字图像修复技术是一种利用已知信息恢复缺失信息的方法。因此,非常有必要研究图像修复技术解决图像破损问题。目前,基于样本块的图像修复算法因其在修复效果和速率上的大幅提升,已成为图像修复领域的主流算法之一。但是,针对破损区域较大和含有复杂背景的图像修复问题仍面临很大挑战。基于以上问题,本文提出了一种基于平坦度检测和轮廓相似性的图像修复算法。具体工作如下:1)本文提出的基于平坦度检测和轮廓相似性的图像修复算法。该算法首先根据待修复块周围的结构信息,构造了一个平坦度检测因子,提出了基于平坦度检测的修复优先权模型。该模型能有效区分纹理和结构信息,得到更加可靠的修复顺序。然后结合图像的非局部特征,采用基于轮廓特征的相似性准则衡量样本间差异,提高匹配精度,并寻找待修复块的多个相似块。最后通过基于奇异值差异的加权融合方案聚集所有的相似块来达到重建图像的目的。从实验结果可以看出,本文所提出的算法能有效避免平滑效应,并对大尺寸破损图像,能更好地区分样本间差异并保持修复区域内纹理清晰和线性结构连续,使得填充后的图像满足视觉一致性。2)为解决基于平坦度检测和轮廓相似性的图像修复算法利用轮廓特征衡量样本间差异,并采用全局搜索寻找相似样本块,导致计算复杂度过高的问题,本文提出了基于生物地理优化(Biogeography-Based Optimization,BBO)的图像修复算法。该算法在基于平坦度检测和轮廓相似性的算法基础上,将BBO算法融入到块匹配过程中,利用BBO的迁移和变异操作寻找相似样本块,避免了全局搜索相似样本块的缺陷。通过目标移除、块填充等修复实验的结果可看出,本文所提出的算法能够保持修复区域内结构完整的同时降低计算复杂度,提升算法修复速率。