论文摘要
在计算机图形学和计算机视觉等诸多领域中,图像修复是一个非常重要的研究课题,已被大量的学者所研究,并具有广泛的应用,如古文物的保护、旧照片的修补、图像中文字及障碍物的去除和影视特技的制作等。随着研究的不断深入及应用范围的不断扩大,该技术越来越受到研究者们的广泛关注,各种图像修复算法也相继出现。本文分析了Criminisi图像修复算法,发现其修复的时间开销太大及优先权的计算存在一定的不足,而且在算法中模块的大小始终为固定值,为此提出了两种侧重点不同的优化方法,主要的研究工作有以下两点：(1)提出了一种在保证图像修复效果不比Criminisi算法差的同时尽量提高修复效率的方法。首先,在进行SSD(sum of squared differences)准确匹配之前预先计算待修复图像已知区域中所有纹理块的平均灰度值,并在匹配过程中结合阈值比较已知区域中纹理块及当前待修复块的平均灰度值,筛选淘汰有较大灰度差异的一些纹理块,以节省大量的匹配时间,加快修复速度。其次,定义了一种新的优先权值的计算公式,增加了是否接近原始边界因素对优先权产生的影响,从而使得优先权值的计算更为合理,修复后得到的结果更理想。最后通过实验证明,图像修复的效率得到了较大的提高,而且修复后所得结果看起来更自然,更加符合人的视觉感知。(2)算法中模块的大小在很大程度上会对图像的修复效果产生影响,因此对于不同纹理复杂程度的缺损图像,探讨选择不同的模块大小就显得尤为重要。考虑到模块大小的选择跟纹理的复杂程度有关,因而提出了一种结合灰度共生矩阵和熵的图像修复算法。首先利用灰度共生矩阵提取图像纹理特征值,然后根据熵值的大小来实现模块大小的选择。另外,为了解决当最佳匹配块有多个时,Criminisi算法可能由于选择不当而导致修复效果不好的问题,在寻找最佳匹配块时,不仅考虑了颜色信息的差异,还考虑了空间距离的因素。最后,给出了对图像修复质量进行客观评价的PSNR度量。实验表明,与Criminisi算法相比,该方法可根据待修复图像的纹理是否复杂来灵活地选择合适的模块大小,得到的修复效果更自然,更符合人的视觉感知。