买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海大学

摘要：本发明提供了一种基于纹理与结构分离的图像修复方法及系统，采用相对总变分图像平滑模型对待修复图像进行分离，得到待修复图像的纹理图像和结构图像；对于结构图像，使用张量投票模型，预测待修复结构图像缺失区域边缘信息；基于预测得到的缺失区域边缘信息，优化基于样本块修复算法的优先级函数，进而对结构图像进行修复，得到结构修复结果；对于纹理图像，采用多样本块融合的次优匹配块修复方法，对纹理图像进行修复，得到纹理修复结果；结合结构修复结果和纹理修复结果，实现对图像的修复。本发明充分利用图像的已知信息，在保持修复结果结构性连续的同时，合理的恢复出图像的纹理部分，在修复结果的主观质量和客观指标上都得到了明显的提升。

主权项：1.一种基于纹理与结构分离的图像修复方法，其特征在于，包括：采用相对总变分图像平滑模型对待修复图像进行分离，得到待修复图像的纹理图像和结构图像；对于结构图像，使用张量投票模型，预测待修复结构图像缺失区域边缘信息；基于预测得到的缺失区域边缘信息，优化基于样本块修复算法的优先级函数，进而对结构图像进行修复，得到结构修复结果；对于纹理图像，采用多样本块融合的次优匹配块修复方法，对纹理图像进行修复，得到纹理修复结果；结合结构修复结果和纹理修复结果，最终实现对图像的修复；设I为待修复的受损图像，Ω为待修复区域，Φ为已知区域或源区域，表示待修复区域和已知区域的边界，p为边界上的任意一点，Cq为q点的置信项，即为以点q为中心的块的置信值均值，ΨP是以p为中心的待修复样本块，Ψq是以q为中心的待修复样本块，np为p点的法线方向，为p点的等照度线方向，α为归一化参数；所述基于样本块修复算法为：Pp＝Cp·Dp其中，Pp为p点优先级函数的值，Cp为p点的置信项，Dp为p点的数据项，有： 根据像素平方差之和SSD准则进行最优匹配块搜索，其方法为：dΨp,Ψq＝∑Ip-Iq2式中，Ip和Iq分别表示目标块和匹配块的像素值，在搜索到最优的匹配块之后，把匹配块对应位置的像素值复制到目标块中去；在完成填充之后，对新填充区域的置信值进行更新，其更新策略为： 重复上面的过程，直到所有的待修复区域填充完成，实现对结构图像的修复；所述置信项初始化分为三类，分别为已知区域、未知区域和边缘预测区域；对于已知区域置信值初始化为1，对于未知区域置信值初始化为0，而对于有预测边缘的区域其置信值初始化为50；则初始化值如下所示： 当待修复块中包含预测出的边缘时其置信项的值会远大于其它块的值，所以，其优先级函数的值也会比较大，这样就会优先修复有预测边缘的区域，从而保持图像的结构一致性；所述多样本块融合的次优匹配块修复方法，在匹配块搜索时，基于样本块的修复方法只选取最优匹配块也就是平方差和最小的块，然后把最优匹配块的值复制到待修复块中去；其中，根据平方差和准则选取前n个匹配程度较高的块作为候选块，然后对这些候选块分配不同的权重作为最终的待修复块的修复结果；所述相对总变分图像平滑模型为： 其中，Ip表示输入图像，Sp代表输出的结构图像，p为二维图像像素的索引值，λ为一常数；θxp为像素p在窗口Rp上沿x方向上的绝对空间差异总变化量，θyp为像素p在窗口Rp上沿y方向上的绝对空间差异总变化量，ξxp为像素p在窗口Rp上沿x方向上的绝对空间差异固有变化，ξyp为像素p在窗口Rp上沿y方向上的绝对空间差异固有变化，ε为一常数，并且有： 其中，gp，q为根据空间相似性定义的加权函数；Rp为以p为中心的一个正方形区域内所有像素点的索引，g为高斯核函数： 其中，xp为p点的横坐标，xq为q点的横坐标，yp为p点的纵坐标，yq为q点的纵坐标；通过所述相对总变分图像平滑模型得到图像的结构图像，将原图与结构图像做差，即得到所需的纹理图像；所述张量投票模型，通过向周围传播自身的结构微分信息并同时接收相邻点的信息来推断出自身所在模型的总体结构特征；在进行张量投票前，根据二维图像上点的数据信息，为每一个点分配一个非负定二阶对称矩阵，即为该点的张量T： 其中，λ1≥λ2≥0为张量的特征值，e1和e2为其对应的特征向量，At代表矩阵A的转置；张量T由棒张量分量TS和球张量分量TB组成，其中： 点pi向点pj的棒张量投票表示为： 其中： vj＝I-2rrtvi上式中，vi代表的是点pi处张量主特征向量的单位向量，vj为点pj处收到的来自点pi的棒张量投票矩阵主特征向量的单位向量，r为点pi指向点pj的单位向量，-l2σ2中l为pi和pj间的距离，σ为控制投票区域大小的尺度参数；点pj所接收的球张量投票表示为： 其中：R＝I-2rrt其中，I为输入图像；张量场中的每个点在完成球张量投票和棒张量投票过程后，分别提取张量场中每个点的棒张量和球张量信息，把张量的主分量大于一定阈值的点保留，作为候选边缘点，其余的张量清零，从边缘断点处开始通过选取局部区域极大值的方法来挑选出一条曲线作为预测出的丢失结构信息，即为待修复结构图像缺失区域边缘信息；所述n取值为2，权重比为7:3，其中Ψ1为最优匹配块，Ψ2为次优匹配块，则：Ψp＝0.7*Ψ1+0.3*Ψ2其中，ΨP是以p为中心的待修复样本块。

全文数据：

权利要求：

百度查询： 上海大学 一种基于纹理与结构分离的图像修复方法及系统、终端