基于分解的图像和视频修复算法研究

论文摘要

数字修复技术主要是利用现代图像和视频处理技术修复图片和视频中存在的诸如划痕、斑点、闪烁等问题,其主要工作原理是利用数字图像待修复区域的邻域或受损连续影像的前后帧信息填充图像的受损区域或指定的待修补区,被广泛应用于图像传输、图像压缩、修补有划痕和裂痕的照片、修复旧电影胶片等方面。随着计算机技术的发展,如何实现半自动或自动地完成图像或视频的修补工作,成为数字图像处理领域研究的重要课题。本文将图像分解技术应用到数字图像和视频的修复中,结合基于偏微分方程的修复方法和纹理合成的优点,对含噪破损图像和视频的修复方法进行研究。在图像修复方面,提出了基于整体变分图像重建模型的SID图像分解算法,降低了图像分解算法的运算复杂度。针对破损的含噪灰度图像,将其分解成结构部分、纹理部分和噪声部分;对结构部分使用简化的整体变分修复算法,对噪声部分和纹理部分使用基于样本的纹理合成,再将修复结果融合,降低噪声对修复效果的影响。针对彩色图像,按照lαβ色彩空间分解成3个通道,消除通道之间的相关性;对每个通道使用基于SID分解的图像修复方法,再将3个通道的修复结果融合,将灰度图像的修复方法应用到彩色图像的修复上。实验结果表明本文方法克服了单独使用整体变分修复算法或者纹理合成的局限性,并且对噪声具有较强的鲁棒性。在视频修复方面,提出基于分解的SROD斑点检测算法,结合数字图像形态学后处理,应用于对包含大量噪声的视频序列进行破损区域自动检测;对检测出来的破损区域使用时空融合的修复方法,充分考虑了视频帧之间的时域相似性。实验结果证明本文的斑点检测算法对噪声具有较强的鲁棒性,与SDI和MRF相比具有更低的错误率,本文的斑点修复算法也取得了比整体变分和纹理合成这类只考虑空域信息的方法更好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.1.1 图像修复
• 1.1.2 视频修复
• 1.2 研究现状
• 1.3 本文主要工作
• 1.4 本文组织结构
• 第二章 图像和视频修复的主要方法
• 2.1 图像修复算法
• 2.1.1 图像修复的三大原则
• 2.1.2 基于PDE的修复算法
• 2.1.3 纹理合成算法
• 2.2 视频修复算法
• 2.2.1 斑点的自动检测算法
• 2.2.2 斑点的修复算法
• 2.3 本章小结
• 第三章 基于分解的图像修复方法
• 3.1 图像修复的流程
• 3.2 图像分解算法
• 3.2.1 TV图像重建模型
• 3.2.2 SID图像分解算法
• 3.3 灰度图像的修复方法
• 3.3.1 简化的整体变分算法
• 3.3.2 基于样本的纹理合成算法
• 3.4 彩色图像的修复方法
• 3.4.1 lαβ色彩空间
• 3.4.2 基于lαβ色彩空间的彩色图像修复方法
• 3.5 修复效果评判标准和实验结果比较
• 3.5.1 修复结果的评价标准
• 3.5.2 灰度图像的修复实验结果比较
• 3.5.3 彩色图像的修复实验结果比较
• 3.6 本章小结
• 第四章 基于分解的视频修复方法
• 4.1 斑点自动检测算法
• 4.1.1 运动估计
• 4.1.2 基于分解的SROD检测算法
• 4.1.3 图像形态学后处理
• 4.2 时空联合的斑点修复方法
• 4.3 实验结果比较
• 4.3.1 斑点检测的实验结果比较
• 4.3.2 斑点修复的实验结果比较
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文及研究工作总结
• 5.2 进一步研究方向
• 参考文献
• 致谢
• 攻读学位期间的主要研究成果