基于整体变分模型及蛇模型的数字图像修复算法的研究

论文摘要

本文首先对图像修复作了简要的介绍，对常用的图像修复模型进行了分析。针对整体变分（TV）模型在图像修复过程中对参数的选取比较敏感，而且运算量较大的缺点，本文考虑了待修复区域外部参考像素与待修补点的相关度，根据待修复区域的形状，将其分为三类；再根据不同的类设置不同的权值；然后利用参考像素信息从待修复区域的边缘逐步地向待修复区域内进行扩散，从而快速修复图像，修复效果也很理想。本文还在整体变分模型的基础上引入蛇（Snake）模型，同时考虑待修复区域的形状，根据不同的形状应用不同的修复模型，提出了自适应Snake-TV模型，并将其应用到灰度图像和彩色图像的修复。在热扩散过程中，该模型使待修复边缘曲线向目标边界演化，达到修复破损图像的断裂边缘的目的，从而较好地保持了图像的视觉连通性。试验结果表明，在迭代次数相同的条件下修复灰度图像和彩色图像，本文的算法的修复效果比TV模型好得多。与Snake-CDD模型相比，本文的算法的修复效果也更好，同时所用时间也大大减少。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 图像处理简介
• 1.2 图像修复技术
• 1.3 本文工作
• 第二章 相关概念
• 2.1 图像复原质量的评价标准
• 2.2 图像处理常用模型
• 2.3 变分法相关知识
• 2.4 欧拉—拉格朗日方程推导过程
• 2.5 整体变分模型
• 第三章 自适应 TV 模型
• 3.1 TV 模型算法
• 3.2 CDD 模型
• 3.3 基于微分近似的图像修复算法
• 3.4 条形区域的 TV 模型
• 3.5 自适应 TV 模型介绍
• 3.6 试验结果及分析
• 第四章 自适应 Snake-TV 模型
• 4.1 Snake 的数学模型
• 4.2 Snake-CDD 模型
• 4.3 自适应 Snake-TV 模型
• 4.4 试验结果及分析
• 第五章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文