数字图像修补与分割 ——基于张量投票和纹理合成的数字图像修复的研究

论文摘要

图像修复是图像复原研究中的一个重要内容,也是当前图像处理和计算机视觉领域中的一个研究热点。图像修复是对图像上信息缺损区域进行信息填充的过程,其目的是恢复有信息缺损的图像,并使观察者无法察觉图像曾经缺损或己被修复。该项技术在文物保护、影视特技制作、老照片的修复、图像中文本的去除、障碍物的去除以及视频错误隐藏等方面,有着很高的应用价值。该领域的研究,国外正在蓬勃发展,国内尚处于起步阶段。本文主要基于张量投票算法研究小尺度缺损的图像修复（inpainting）技术和基于纹理合成技术研究大尺度缺损的图像补全（completion）技术。论文的第一章是绪论,介绍本文的研究背景及意义、国内外研究现状和应用前景、以及本文的结构和创新点。第二章介绍了数字图像修复的基础知识的常用算法,介绍了图像修复方法论inpain- ting算法、纹理合成技术、成分标注算法等。第三章主要介绍张量投票算法的原理、张量投票在图形重构中的应用、张量投票在图像修复中的应用等。第四章研究的是小尺度缺损的图像修复技术。小尺度缺损的图像修复可以看作是一个去除噪声的过程,本文将张量投票算法和成分标注算法相结合,提出了一种新的去除噪声的算法,和传统的中值滤波以及单纯的使用张量投票算法相比,在处理效果上明显优于前者。第五章研究的是大尺度缺损的图像修复技术。很多自然图像的纹理都有很强的方向性。在基于样本的纹理合成技术中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。本章在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。大量实验表明:该方法在处理强方向性的纹理图像的修复时有很好的效果,明显的提高了计算效率。第六章总结论文的主要创新成果与研究结论,并提出了一些需要深入研究的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及其意义
• 1.2 课题研究现状
• 1.2.1 图像修复的问题描述
• 1.2.2 基于变分的PDE 图像修复技术
• 1.2.3 基于纹理合成的图像修复技术
• 1.2.4 数字图像修复技术的应用前景
• 1.3 本文主要研究内容及创新点
• 1.3.1 本文组织结构
• 1.3.2 本文创新点
• 1.4 本章小结
• 第二章 数字图像修复的理论知识
• 2.1 图像修复的方法论
• 2.1.1 最佳猜测原理和贝叶斯框架理论
• 2.1.2 图像修补与视觉心理学
• 2.2 纹理及纹理合成技术相关知识
• 2.2.1 纹理及纹理合成的相关定义
• 2.3 基于样图的纹理合成技术
• 2.3.1 概述
• 2.3.2 马尔可夫随机域
• 2.3.3 基于样本的纹理合成
• 2.4 纹理方向的相关知识
• 2.4.1 纹理方向的定义
• 2.4.2 纹理方向的研究
• 2.5 成分标注技术的相关知识
• 2.5.1 成分标注的定义
• 2.5.2 成分标注的技术
• 2.6 本章小结
• 第三章 张量投票技术
• 3.1 张量投票算法的基本原理
• 3.1.1 张量投票算法的提出
• 3.1.2 结构推断的相关研究
• 3.1.3 显著性结构推断——张量框架
• 3.1.4 张量投票算法概述
• 3.1.5 张量表示
• 3.1.6 张量的投票
• 3.1.7 投票的积累
• 3.1.8 张量投票框架的扩展
• 3.2 张量投票的应用
• 3.2.1 张量投票在图形重构中的应用
• 3.3.2 张量投票在图像修复中的应用
• 3.3 本章小结
• 第四章 基于张量投票的小尺度缺损图像的修复算法
• 4.1 引言
• 4.2 算法主要思想
• 4.3 HIS 空间的特征选择
• 4.4 张量投票的使用
• 4.5 噪声阈值的确定与滤波
• 4.5.1 成份标注
• 4.5.2 中值滤波的应用
• 4.6 实验及其结论
• 4.7 本章小结
• 第五章 基于纹理方向的图像修复算法的研究
• 5.1 引言
• 5.2 算法介绍
• 5.2.1 计算纹理的方向
• 5.2.2 优先权的计算
• 5.2.3 模板窗口大小的选择
• 5.2.4 相似纹理块的匹配
• 5.3 算法流程
• 5.4 实验结果及分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 研究工作结论
• 6.2 未来研究方向
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文