图像修复经典算法--Criminisi算法

**

一、前言

图像修复的目的是利用图像中已知信息根据一定规则对丢失区域进行修复。近年,随着计算机技术和多媒体技术的不断发展,图像修复技术不仅用于传统的破损照片修复,而且也应用在摄影、医学、印刷、网络传输、考古和交通监控等领域的图像或视频修复中,成为计算机图形学和计算机视觉中的研究热点。
图像修复经典算法--Criminisi算法_第1张图片
四个方法有各自的特点和应用背景,其中使用频率较高的,易理解的方法为基于样本块中的基于匹配的方法。所以针对这个方向,提供了一些可供研究学习的文献,并且简要的介绍了文献的内容,方便同学学习。
Criminisi 等人[4]首先提出基于匹配的样本块修复算法,随后又大量的研究者参与研究对其的改进算法。主要分为两方面:
(1)针对块选择方法(即填充顺序);
(2)块填充方法(即如何选择 匹配块以及如何填充)。
在填充顺序方面,文献[5]利用局部特征确定顺序,张岩等人[6]利用梯度特征确定填充顺序。文献[7,8]根据待填充块的 DCT系数决定填充顺序。
在块填充方面(即如何选择匹配块以及如何填充),张岩等人[6]利用图像方向经验模型分解后的频域信息寻找最优匹配块。Jemi等人[7]利用边缘信息寻找最优匹配块。
文献[1,2,3]作为综述文献细读,了解基础知识,然后对文献[4,5,6,7,8]粗略阅读,了解什么是图像修复算法,算法研究的方法以及仿真结果是如何呈现的。
下一步精读文献[4,5,8],理解算法具体的实现原理和实现过程,在阅读过程中,如果对英文的理解感觉有难度,可以先阅读中文文献[5,6]中对文献[4]的描述。
建议仿真的文献为[4]和[5],[4]为经典算法,[5]为[4]的改进算法。所以仿真顺序为先仿真文献[4]后文献[5],建议可以思考的问题:
(1)文献[4]算法的优点和缺点,并且在仿真过程中对此做出测试实验。
(2)文献[5]是对文献[4]的改进,理解它是怎么改进的,改进的效果体现在的地方,不仅限于修复效果的提升,还有更多,比如运行速度等。
(3)更多问题可以自己在仿真的过程中发现并且验证,这些都会是收获。,
这里提到的8篇文献,仅仅是抛砖引玉,并不是最新而且也不全面,如果想要更进一步全面的学习图像修复领域,建议阅读更多最新文献。

二、criminisi算法分析

Criminisi算法通过在待修复区域边缘上选取优先权最高的像素点p,然后以p为中心构造一个n×n大小的像素块,然后在完好区域寻找与该模板块最相似的样本块,并用找到的样本块更新模板块中的待修复信息,最后更新已修复块块中像素点的置信度,并开始下一次迭代修复,直至修复完成。 图1是Criminisi算法的修复原理
图像修复经典算法--Criminisi算法_第2张图片
在这里插入图片描述
图像修复经典算法--Criminisi算法_第3张图片
1、算法中的优先权
Criminisi算法中计算优先权的公式如(1)所示:
图像修复经典算法--Criminisi算法_第4张图片
图像修复经典算法--Criminisi算法_第5张图片

三、criminisi算法仿真分析

图像修复经典算法--Criminisi算法_第6张图片
图像修复经典算法--Criminisi算法_第7张图片
图像修复经典算法--Criminisi算法_第8张图片
图像修复经典算法--Criminisi算法_第9张图片

参考文献

[1]李梅菊,祁清. 数字图像修复技术综述[J]. 信息通信,2016,(02):130-131.
[2]张红英,彭启琮. 数字图像修复技术综述[J]. 中国图象图形学报,2007,(01):1-10.
[3]邵肖伟. 数字图像修复技术研究[D].中国科学技术大学,2006.
[4] A. Criminisi, P. Perez, K. Toyama. Object removal by exemplar-based inpainting[C]. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003, 721-728.
[5]范冠鹏,和红杰,陈帆,翟东海,仁青诺布. 基于局部特性的图像修复算法[J]. 光电子.激光,2012,(12):2410-2417.
[6] 张岩, 孙正兴, 姚伟. 基于方向经验模型分解的图像修复方法 [J]. 电子学报. 2010, 38(2): 257-262.
[7] D. Jemi Florinabel, S. Ebenezer Juliet, V. Sadasivam. Combined frequency and spatial domain-based patch propagation for image completion [J]. Computers & Graphics. 2011, 35(6): 1051-1062.
[8] K. Tsz-Ho, S. Hoi, C. C. L. Wang. Fast Query for Exemplar-Based Image Completion [J]. IEEE Transactions on Image Processing. 2010, 19(12): 3106-3115.

你可能感兴趣的:(算法,几何学,restful)