光照情况下的图像修复技术的研究

论文摘要

随着数码科技发展越来越迅速,人们对于拍摄数字照片并进行后处理的兴趣也逐渐增加。图像修复作为一个应用价值极高的后处理功能,将来势必成为图像处理工具的插件之一。然而,现有的图像修复技术仍然不能用来处理一些图像的特殊情况,例如:无法还原光照信息、深度信息等。在图像处理领域,将图像分解成不同的图层、区域,并分别进行处理是一种常见的方法。于是,本文提出了一个新的图像修复的框架:利用intrinsic images模型,将光照下的图片分解成为包含了阴影和物体表面形状信息的shading图和反映了物体材质和颜色的reflectance图。拥有单一特性的图比较容易修复,对这两幅图分别进行处理后,可以重新合并成为结果图。本文针对两种图像修复情况应用了以上框架:去除光照下的物体表面的图案、文字等;去除光照下的实际物体。对于分解后的intrinsic images将应用已有的图像修复技术:补充结构线时使用全局优化方法,而进行纹理填充时使用基于块的纹理合成算法。实验结果证明,使用这种框架提高了图像修复的效果,对于本文提出的两种情况都能够在保证效率的同时得到不错的结果。但是,由于本文算法的效果是建立在分解出来的intrinsic images的基础上的,而该领域的研究刚起步不久,处理的图片范围和分解出的图片质量有局限性,所以这会直接影响本文算法的结果。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 引言
• 1.1 背景介绍
• 1.2 本文的技术路线
• 1.3 本文的结构安排
• 第二章 研究背景
• 2.1 当前的图像修复技术
• 2.1.1 图像修复问题的定义
• 2.2 基于变分PDE的图像修复技术
• 2.2.1 基于全变分（TV）模型的图像修复方法
• 2.3 基于纹理合成的图像修复技术
• 2.3.1 简单的纹理合成技术的应用
• 2.3.2 自动处理缺损区域的混合纹理信息的技术
• 2.3.3 补充结构线+纹理填充的图像修复技术
• 2.3.4 全局优化算法
• 2.3.5 已有算法尚未解决的问题
• 2.4 本文技术路线的具体分析
• 第三章 针对图像中光照情况的修复技术
• 3.1 关键技术
• 3.1.1 从单幅图像中分解出Intrinsic图
• 3.1.2 纹理合成技术
• 3.1.3 图像修复中的纹理合成的应用
• 3.2 去除图片中光照下的物体表面的图案、文字
• 3.2.1 一个简单的灰度图的例子
• 3.2.2 主要思想和实现流程
• 3.3 去除图片中光照下的实际物体
• 3.3.1 主要思想和实现流程
• 第四章 实验数据和分析
• 4.1 Intrinsicimages的求解算法的局限性
• 4.2 基于Intrinsicimages的图像修复的优越性
• 4.3 实验结果
• 4.4 算法性能
• 第五章 结束与展望
• 参考文献
• 攻读学位期间的工作与发表论文
• 致谢