金 星， 俞大海,2， 韓建楓， 李暉暉， 韓軍偉

1.西北工業(yè)大學(xué)自動化學(xué)院，西安710072

2.天津光電高斯通信工程技術(shù)股份有限公司，天津300211

3.天津商業(yè)大學(xué)信息工程學(xué)院，天津300134

數(shù)字圖像修復(fù)是指利用數(shù)字圖像處理技術(shù)對受到損壞的圖像數(shù)據(jù)進(jìn)行修復(fù)重建或者去除圖像中的多余物體，使其達(dá)到圖像的原始視覺效果.如今，這項(xiàng)技術(shù)備受關(guān)注，并廣泛應(yīng)用于文物保護(hù)、影視特效、虛擬現(xiàn)實(shí)、多余物體剔除等領(lǐng)域.目前圖像修復(fù)方法主要包括基于紋理合成的方法、基于結(jié)構(gòu)(偏微分方程)的方法、基于學(xué)習(xí)模板合成處理的方法[1].

基于結(jié)構(gòu)的修復(fù)方法先建立偏微分方程(partial differential equations,PDE)，再利用迭代方法來求解，其中最具代表性的迭代方法是BSCB算法[2]，它是將沿著等照度線方向上的鄰域信息迭代到待修復(fù)區(qū)域內(nèi)而產(chǎn)生修復(fù)信息.等照度的方向是通過計算修補(bǔ)的輪廓線上各個點(diǎn)的離散梯度并旋轉(zhuǎn)90°而獲得的.BSCB算法為圖像修復(fù)提供了新的處理方式.隨后文獻(xiàn)[3-4]提出了基于整體變分方法的TV模型和CCD模型.CCD模型是對TV模型的增強(qiáng)和擴(kuò)展，根據(jù)幾何曲率估算在等照度方向上的信息，保證了處理較大破損區(qū)域和細(xì)小邊緣的效果.文獻(xiàn)[5]提出了基于快速前進(jìn)方法(fast marching method,FMM)的修復(fù)模型，這個模型的算法與BSCB方法非常相似，只是在計算修復(fù)信息時引入了Eikonal方程和權(quán)重分類，不但取得了與BSCB相似的處理結(jié)果，而且優(yōu)化了運(yùn)算速度.這類基于PDE的算法適用于區(qū)域平滑和小尺度的修復(fù)，但因使用偏微分方程而導(dǎo)致計算復(fù)雜度太高，且一旦修復(fù)區(qū)域存在豐富紋理，就會出現(xiàn)修復(fù)區(qū)域比較模糊的效果，進(jìn)而影響視覺感受.

基于紋理的修復(fù)方法是以待修復(fù)區(qū)域?yàn)閳A心，提取其周圍的鄰域紋理特征，并根據(jù)周圍紋理的特點(diǎn)規(guī)律選擇最佳的紋理匹配區(qū)域進(jìn)行替換.最具代表性的是文獻(xiàn)[6]提出的算法,它借鑒紋理生成方法定義樣本區(qū)域并匹配復(fù)制，利用定義后的修復(fù)塊優(yōu)先級對邊緣附近的信息優(yōu)先進(jìn)行修復(fù).文獻(xiàn)[7]在此基礎(chǔ)上進(jìn)行改進(jìn)，也取得了較好的效果.基于紋理的算法雖然考慮了紋理結(jié)構(gòu)的連續(xù)性和相似性，但沒有圖像結(jié)構(gòu)，容易造成局部與整體的不自然，且因計算量較大而無法實(shí)現(xiàn)實(shí)時性.

基于模板合成處理的方法首先對一些前提條件進(jìn)行學(xué)習(xí)并設(shè)定，然后對待修復(fù)區(qū)域進(jìn)行修復(fù).這種方法可使用的學(xué)習(xí)信息有限，只適用于比較簡單的圖像內(nèi)容，并不適合實(shí)時圖像修復(fù)的要求.

以上算法只是部分地利用結(jié)構(gòu)性和紋理性的原則，存在著視覺認(rèn)知規(guī)律的局限性.它們只解決了一些通用的修復(fù)目標(biāo)，而沒有考慮特殊的行業(yè)環(huán)境要求[8]，且計算的復(fù)雜度無法達(dá)到實(shí)時系統(tǒng)的運(yùn)行要求.

本文針對上述問題，以高清圖像，尤其是由線陣高清相機(jī)采集到的列車貨運(yùn)頂部圖像為研究對象，對非目標(biāo)前景的高壓線進(jìn)行處理.首先將其去除，然后提出了一種利用多方向插值融合的圖像修復(fù)算法，將去除部位根據(jù)周邊的情況進(jìn)行修復(fù).該算法選擇適當(dāng)?shù)泥徲蛐畔⒉⒔Y(jié)合經(jīng)典的插值算法對待處理區(qū)域進(jìn)行準(zhǔn)確的修復(fù)，使其圖像完整，易于展示，并且滿足了工程應(yīng)用的實(shí)時性要求.

1 基于多方向插值融合的圖像修復(fù)算法

1.1 關(guān)于插值算法

經(jīng)典的插值算法包括最近鄰插值算法(nearest)、雙線性插值算法(bilinear)、雙三次插值算法(bicubic)、多項(xiàng)式插值算法、樣條插值法等.這些線性算法都是對整幅圖像的不同部分進(jìn)行統(tǒng)一處理，無論待插點(diǎn)映射在灰度平坦區(qū)域還是邊緣區(qū)域，均可以通過計算該點(diǎn)附近某一像素集合的加權(quán)平均來確定映射點(diǎn)的灰度值.唯一的區(qū)別在于：若采用不同的算法，則映射點(diǎn)周圍像素集合的取法不同.這也可理解為所采用的基函數(shù)都是低通濾波器，在實(shí)現(xiàn)時不可避免地抑制了圖像的高頻部分，導(dǎo)致插值效果圖的圖像邊緣模糊或者出現(xiàn)階梯狀鋸齒現(xiàn)象，不能很好地恢復(fù)圖像細(xì)節(jié).因此，采用此類基函數(shù)對于邊緣細(xì)節(jié)和紋理特征十分豐富的圖像插值效果并不理想，但適用于一般的光滑圖像.

圖像的邊緣紋理等區(qū)域是人眼最敏感的區(qū)域，是影響視覺的重要因素，于是文獻(xiàn)[9-10]提出了基于圖像邊緣保持的插值算法.這類算法首先將圖像分為平坦區(qū)域和邊緣區(qū)域，在平坦區(qū)域采用經(jīng)典的線性插值算法以減少運(yùn)算量，在邊緣區(qū)域采用優(yōu)化算法以增加圖像邊緣的銳利程度.優(yōu)化算法或結(jié)合圖像的顯示邊界信息，或結(jié)合圖像的局部結(jié)構(gòu)特征.還有一些學(xué)者致力于研究圖像的變換域，如采用小波變換域[12-13]和DCT變換[14-16]等對圖像進(jìn)行高分辨率恢復(fù)，但復(fù)雜度高，不具有實(shí)時性.基于這個問題，考慮將信息融合技術(shù)應(yīng)用到圖像的插值算法中，旨在圖像的邊緣紋理區(qū)域獲得更好的插值效果.

至今為止，大多數(shù)圖像插值算法只適用于灰度圖像，而直接操作在彩色圖像上的插值算法[17-19]較少，其原因可能是彩色圖像插值可以通過灰度圖像插值算法以逐平面插值的方式實(shí)現(xiàn).也就是說，彩色圖像包括紅、綠、藍(lán)三個顏色平面，通過灰度插值算法分別在這三個平面進(jìn)行插值，最后再合成彩色圖像便可得到最終的插值結(jié)果.但事實(shí)上這并不實(shí)用，首先R、G、B三基色彼此之間有很強(qiáng)的相關(guān)性，改變像素的任一個分量都會導(dǎo)致顏色的偏移；在每一個顏色平面上的插值方向并不總是一致的，導(dǎo)致插值結(jié)果存在偏差；最后合成的彩色圖像很可能出現(xiàn)色彩失真現(xiàn)象.另外，對于實(shí)時性要求較高的場合，對3個顏色分量分別應(yīng)用相同的插值算法勢必產(chǎn)生較大的計算量，這在一定程度上限制了算法的實(shí)時性.

針對上述問題，本文提出了一種融合多方向插值技術(shù)的新型圖像修復(fù)算法，并應(yīng)用于鐵路貨運(yùn)檢查圖像的高壓線去除工作.首先對圖像待處理區(qū)域進(jìn)行區(qū)域判決，將其分為平滑區(qū)域和邊緣區(qū)域.對于平滑區(qū)域，選擇待插值點(diǎn)7×7鄰域內(nèi)45°、90°、135°三個方向中梯度變化最小的方向進(jìn)行三次方程插值(cubic)算法，從而得到待插值點(diǎn)的估計值；對于邊緣區(qū)域，圖像相鄰像素變化比較劇烈，僅利用單一方向的信息很難準(zhǔn)確估計插值點(diǎn)，于是考慮組合三個方向的信息獲得比單一方向更準(zhǔn)確的信息.設(shè)計合適的融合算法，組合多個方向的信息，既保持了算法的實(shí)時性，同時又在邊緣紋理區(qū)域獲得了更符合人眼觀察的插值效果.仿真實(shí)驗(yàn)結(jié)果表明，本文提出的插值算法不僅能夠取得比經(jīng)典BSCB算法、FMM算法更好的修復(fù)效果，而且時間復(fù)雜度較小，能夠滿足鐵路貨運(yùn)檢查的實(shí)時性要求.最后又將本文算法成功應(yīng)用到彩色圖像的修復(fù)中，先對RGB彩色圖像進(jìn)行HSI色彩空間變換，再對HSI色彩空間的各個通道分量分別進(jìn)行獨(dú)立處理，從而減少了對RGB彩色圖像R、G、B分量進(jìn)行相同處理所帶來的額外計算量，不但在一定程度上保證了算法的實(shí)時性，而且避免了對色彩信息較豐富圖像處理時存在的色彩失真問題.

1.2 多方向插值融合算法

針對去除高壓線這一圖像修復(fù)問題，主要考慮垂直以及兩條對角線上的方向信息.一般插值時沿著平滑的和邊界的方向(圖像灰度變化較小的方向)進(jìn)行，這樣得到的插值結(jié)果更接近于真實(shí)情況.因此，對于圖像中的平坦區(qū)域，采用沿著梯度最小的方向進(jìn)行插值；對于邊緣區(qū)域，由于像素的鄰域灰度值有較大的變化，僅利用單一方向的信息很難準(zhǔn)確估計圖像真實(shí)的情況，于是將3個方向的信息進(jìn)行融合，通過融合規(guī)則的設(shè)計以獲得更準(zhǔn)確且真實(shí)的信息.下面給予詳細(xì)描述：

步驟1 區(qū)域類型判斷

計算待估計像素點(diǎn)垂直以及兩條對角線方向上梯度變化的平均值Gavg45、Gavg90、Gavg135，設(shè)置合適的閾值T.

若Gavg45＜T&&Gavg90＜T&&Gavg135＜T，則認(rèn)為待估計點(diǎn)處于平坦區(qū)域，否則認(rèn)為待估計點(diǎn)處于邊緣區(qū)域，使用多方向融合算法進(jìn)行插值.

步驟2 平坦區(qū)域插值

對屬于平坦區(qū)域的點(diǎn)，采用梯度變化最小的方向進(jìn)行插值，插值算法采用三次插值算法(cubic interpolation).

步驟3 邊緣區(qū)域插值

利用三次插值在3個方向上對待估計點(diǎn)s進(jìn)行插值，得到待估計點(diǎn)s的估計值Is1、Is2、Is3.

待估計點(diǎn)s的灰度值為Is1、Is2、Is3進(jìn)行數(shù)據(jù)融合的結(jié)果

式中，α1、α2、α3是與圖像局部梯度有關(guān)的可調(diào)參數(shù)，并滿足α1+α2+α3=1.α1、α2、α3分別反映了區(qū)域圖像在45°、90°、135°方向上的梯度值大小.

若某方向上的梯度值較小，則圖像紋理沿該方向的可能性較大，沿該方向進(jìn)行插值的結(jié)果理應(yīng)較準(zhǔn)確，應(yīng)該給予一個較大的權(quán)值系數(shù).設(shè)θ為中間變量，令

式中，δ為可調(diào)參數(shù)，在插值過程中用以調(diào)節(jié)融合系數(shù)對梯度的敏感程度.v為某方向上梯度的平均值，以待估計點(diǎn)s為中心的7×7鄰域內(nèi)，計算對應(yīng)45°、90°、135°方向上梯度的平均值v1、v2、v3，并根據(jù)式(2)求出θ1、θ2、θ3，再進(jìn)行歸一化得到

將求得的系數(shù)代入式(1)，即可得到待估計點(diǎn)s的最終估計值Is.

1.3 HSI色彩空間與RGB色彩空間比較

直接對RGB彩色圖像R、G、B三個分量進(jìn)行相同處理勢必帶來較大的計算量.由于人眼對視覺亮度的敏感程度遠(yuǎn)強(qiáng)于對顏色濃淡的敏感程度，若能將圖像中的亮度信息與色彩信息分開，并采用不同的算法進(jìn)行處理，則可以大大減少圖像處理的工作量.常用的可以將亮度信息與色彩信息分開的色彩空間有YUV/YCbCr、HSI等.YUV/YCbCr色彩空間廣泛應(yīng)用于數(shù)字視頻，并利用兩個色差分量來描述彩色信息，實(shí)現(xiàn)了黑白電視兼容彩色信號.HSI色彩空間是從人的視覺系統(tǒng)出發(fā)，用色調(diào)(hue)、色飽和度(saturation)、亮度(intensity)來描述色彩，因?yàn)閷τ谌祟悂碚f，它們看起來更加直觀.與RGB色彩空間3個分量相比，色調(diào)、色飽和度、亮度3個通道是相互獨(dú)立的，相關(guān)性不大，于是采用基于視覺感知的HSI色彩空間對圖像進(jìn)行處理.

將一幅貨車頂部RGB彩色圖像進(jìn)行通道分解并顯示，然后將此圖片轉(zhuǎn)換到HSI色彩空間進(jìn)行通道分解并顯示，得到的結(jié)果分別如圖1和2所示.

圖1 RGB色彩空間下的各分量子圖Figure 1 Channel images in RGB color space

由圖1和2可以看出，RGB彩色圖像的3個分量具有很強(qiáng)的相關(guān)性，且每個分量都包含大量的邊緣紋理信息，而HSI彩色圖像的3個分量則具有較小的相關(guān)性，圖像中的邊緣紋理信息主要集中在I分量子圖中.

如果采用上面提出的高壓線去除算法處理RGB彩色圖像，為了獲得較精確的插值結(jié)果，本文采用三次方程算法進(jìn)行插值，以致在3個分量上進(jìn)行相同的處理時大大增加了計算量.基于這種考慮以及對HSI彩色分量性質(zhì)的分析，既然HSI彩色圖像的邊緣紋理信息主要集中在I分量中，那么對于I分量本文仍采用第1節(jié)提出的高壓線去除算法進(jìn)行處理.對于僅包含圖像色彩信息的H分量和S分量，為了減少計算量，在進(jìn)行高壓線去除時選擇精度相對較低的二維線性插值算法進(jìn)行插值，于是在處理彩色圖像時既保持了較好的修復(fù)效果，同時又減少了在RGB三個分量上進(jìn)行相同處理所帶來的額外計算量，保證了算法在處理彩色圖像時的高效性，還避免了對色彩信息較豐富圖像處理時存在的色彩失真現(xiàn)象，能更好地適應(yīng)鐵路裝載狀態(tài)檢測系統(tǒng)由灰度圖像向彩色圖像的轉(zhuǎn)型.

圖2 HSI色彩空間下的各分量子圖Figure 2 Channel images in HSI color space

2 本文算法的應(yīng)用流程

下面詳細(xì)描述本文算法在實(shí)時鐵路裝載狀態(tài)檢測系統(tǒng)中的應(yīng)用流程：

1)對于灰度圖像，采用第1節(jié)提出的高壓線去除算法處理圖像，并采用三次方程插值(cubic)算法進(jìn)行插值，以獲得較準(zhǔn)確的估計結(jié)果.

2)對于RGB彩色圖像，首先對圖像進(jìn)行HSI彩色空間變換，并提取出H、S、I各個分量子圖.

3)對于I分量子圖，利用第1節(jié)提出的高壓線去除算法進(jìn)行處理，并根據(jù)插值算法選用三次方程插值.

4)對于H和S分量子圖，仍利用第1節(jié)提出的高壓線去除算法進(jìn)行處理，但選用精度相對較低的雙線性插值算法進(jìn)行插值.

5)最后將處理過的HSI彩色圖像變換到RGB色彩空間，經(jīng)合成得到修復(fù)完成的彩色圖像.

3 系統(tǒng)實(shí)驗(yàn)與分析

為驗(yàn)證本文算法的修復(fù)效果，以及在實(shí)際應(yīng)用中的適用性和實(shí)時性，本文進(jìn)行了以下三方面的測試:

實(shí)驗(yàn)1 針對相同的經(jīng)典老照片圖像，分別采用BSCB算法、FMM算法、本文算法進(jìn)行修復(fù)，并比較修復(fù)結(jié)果.

實(shí)驗(yàn)2 針對實(shí)時現(xiàn)場采集的火車貨車頂部灰度圖像，仍然分別使用BSCB算法、FMM算法、本文算法進(jìn)行高壓線去除和修復(fù)的處理，并比較修復(fù)的結(jié)果.

實(shí)驗(yàn)3 針對實(shí)時現(xiàn)場采集的貨車頂部彩色圖像，根據(jù)本文算法分別對RGB和HSI色彩空間進(jìn)行高壓線去除和修復(fù)處理，并比較修復(fù)結(jié)果.

需要強(qiáng)調(diào)的是，實(shí)驗(yàn)2和3是基于實(shí)時的鐵路裝載狀態(tài)檢測系統(tǒng)(RLCI)進(jìn)行的實(shí)驗(yàn).RLCI是一套基于數(shù)字圖像的鐵路貨運(yùn)安全檢查系統(tǒng)，其主要功能是通過圖像模式的識別與分析，幫助貨檢人員跟蹤檢測鐵路貨車的貨運(yùn)狀態(tài)，及時發(fā)現(xiàn)問題并報警.針對從鐵路現(xiàn)場獲得的大量素材，根據(jù)本文算法進(jìn)行高壓線去除和修復(fù)處理，不但可以實(shí)現(xiàn)完全的自動處理，而且能使計算速度也滿足現(xiàn)場作業(yè)要求.

觀察上述實(shí)驗(yàn)可以發(fā)現(xiàn)：本文算法在平滑區(qū)域的圖像修復(fù)上獲得了與傳統(tǒng)BSCB算法和FMM算法相似的效果；而在邊緣紋理比較復(fù)雜的區(qū)域，本文算法的修復(fù)結(jié)果在圖像完整性和視覺感受上優(yōu)于BSCB算法和FMM算法.最為重要的是在運(yùn)行時間上，本文算法的工作效率遠(yuǎn)遠(yuǎn)勝于BSCB算法，并與FMM算法處于相同數(shù)量級.

BSCB算法和本文算法均采用VisualC++6.0進(jìn)行程序開發(fā)；而FMM算法采用Opencv得以實(shí)現(xiàn)，其實(shí)驗(yàn)的環(huán)境是基于Intel Core i5-2400,3.10 GHz，3.17G內(nèi)存的PC機(jī)上的.

3.1 舊照片修復(fù)實(shí)驗(yàn)

為了驗(yàn)證本文算法的可行性及有效性，第1組實(shí)驗(yàn)選用BSCB算法原文中使用的舊照片進(jìn)行實(shí)驗(yàn)，并模仿高壓線遮擋問題對照片進(jìn)行處理，然后根據(jù)BSCB算法、FMM算法與多方向插值融合算法進(jìn)行仿真實(shí)驗(yàn).綜合考慮修復(fù)結(jié)果和計算復(fù)雜度，將閾值T設(shè)為待修復(fù)區(qū)域7×7鄰域平均梯度值的1.5倍，δ設(shè)為10.圖像大小為360×300.初始位置與高壓線寬度分別設(shè)置為50、4；150、4，如圖3所示.

由圖3的實(shí)驗(yàn)結(jié)果可以看出，對于照片中的平滑區(qū)域，如人物皮膚、背景等，本文算法與BSCB算法、FMM算法的修復(fù)效果相當(dāng)，均能較好地去除遮擋；而對于照片中的邊緣紋理區(qū)域，如圖中標(biāo)志處的人物毛發(fā)，BSCB算法、FMM算法均出現(xiàn)較明顯的模糊現(xiàn)象和修補(bǔ)痕跡，視覺效果不好.本文算法由于結(jié)合了數(shù)據(jù)融合技術(shù)，在邊緣紋理區(qū)域采用3個方向的信息進(jìn)行融合的方法，故在人物毛發(fā)處獲得了良好的修補(bǔ)效果，實(shí)現(xiàn)了圖像的平滑過渡，恰當(dāng)?shù)乇Ａ袅藞D像的邊緣紋理信息.從客觀的評價指標(biāo)PSNR上也可以看出，本文算法優(yōu)于BSCB算法和FMM算法.

圖3 舊照片實(shí)驗(yàn)結(jié)果圖Figure 3 Experimental results of the old photos

3.2 貨車頂部灰度圖像修復(fù)結(jié)果

為了驗(yàn)證本文算法在實(shí)際應(yīng)用中的適用性，第2組實(shí)驗(yàn)采用貨車頂部灰度圖像進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)中所用的實(shí)驗(yàn)設(shè)備以及參數(shù)設(shè)置同實(shí)驗(yàn)1相同，分別對較平滑的圖像和邊緣紋理信息較多的圖像進(jìn)行高壓線去除實(shí)驗(yàn)，如圖4和5所示.

由圖4和5的實(shí)驗(yàn)結(jié)果可以看出，對于本文的貨車頂部灰度圖像，采用BSCB算法與FMM算法修復(fù)后的圖像雖然去除了高壓線，對于較平滑的圖像修復(fù)痕跡并不明顯，但對于邊緣較多的圖像則存在明顯的修復(fù)痕跡，視覺效果不好；而本文算法的視覺效果優(yōu)于BSCB算法和FMM算法，尤其對于較平滑圖像，修復(fù)效果非常好，在主觀視覺上幾乎看不出任何修補(bǔ)痕跡.對于邊緣較多的圖像，本文算法在邊緣區(qū)域采用3個方向信息進(jìn)行融合的方法，于是較好地保持了邊緣信息，實(shí)現(xiàn)了圖像的平滑過渡，更符合圖像的真實(shí)情況.而且本文算法實(shí)時性較好，隨機(jī)選取10幅貨車頂部灰度圖像進(jìn)行測試，得到的算法平均運(yùn)行時間如表1所示.從表1可以看出，本文算法與Opencv中實(shí)現(xiàn)的FMM算法處理速度屬于同一數(shù)量級.平均修復(fù)1幅圖像的時間約200 ms，而BSCB算法修復(fù)一幅圖像的時間約10 min，其參數(shù)設(shè)置如下：A=15,B=2,Δt=0.1 ms,T=1000.

圖4 較平滑圖像實(shí)驗(yàn)結(jié)果圖Figure 4 Experimental results of smoothness image

圖5 邊緣較多圖像實(shí)驗(yàn)結(jié)果圖Figure 5 Experimental results of the image with more edges

表1 運(yùn)行時間比較Table 1 Experimental results of processing time

除了主觀視覺評價，還選擇了峰值信噪比(PSNR)作為評價修復(fù)效果的客觀評價指標(biāo)，從貨車實(shí)時采集的圖像中隨機(jī)選取了10幅無高壓線遮擋的圖像作為原始標(biāo)準(zhǔn)圖，并模仿高壓線遮擋問題對圖像進(jìn)行處理；然后用BSCB算法、FMM算法、本文算法進(jìn)行修復(fù)，對修復(fù)結(jié)果計算PSNR，得到的曲線見圖6.從客觀評價結(jié)果可以看出，本文算法的修復(fù)結(jié)果在客觀評價指標(biāo)上優(yōu)于BSCB算法和FMM算法，這與主觀視覺評價結(jié)果一致.

3.3 貨車頂部彩色圖像修復(fù)結(jié)果

為了進(jìn)一步驗(yàn)證算法對彩色圖像的適用性，以及本文提出的對HSI色彩空間的不同分量進(jìn)行不同算法處理的可行性，第3組實(shí)驗(yàn)選取貨車頂部的RGB彩色圖像進(jìn)行實(shí)驗(yàn)，并且將本文提出的彩色圖像處理算法與對RGB三個顏色分量進(jìn)行相同處理的算法進(jìn)行對比，即對彩色圖像R、G、B三個分量均采用第1節(jié)提出的高壓線去除算法進(jìn)行處理.插值算法使用三次方程插值，如圖7所示.其中，圖像大小為1648×512，初始位置與高壓線寬度設(shè)置為108、5；145、5；241、5.實(shí)驗(yàn)中所使用的實(shí)驗(yàn)設(shè)備以及參數(shù)設(shè)置同3.2節(jié)中的實(shí)驗(yàn).

圖6 PSNR客觀評價指標(biāo)比較結(jié)果Figure 6 Comparison results based on PSNR

圖7 彩色圖像實(shí)驗(yàn)結(jié)果Figure 7 Experimental results of color image

由圖7可以看出，對于色彩信息比較單一的圖像，本文算法與在RGB三個顏色分量進(jìn)行相同處理的算法視覺效果相近，均能較好地實(shí)現(xiàn)高壓線的去除工作，并且利用HSI色彩空間變換對各分量采用不同的插值算法，在一定程度上減少了算法的計算量.隨機(jī)選取50幅貨車頂部彩色圖像進(jìn)行測試，得到算法的平均運(yùn)行時間如表2所示，本文算法平均處理一幅圖像的時間約350 ms，而對RGB三個顏色分量進(jìn)行相同處理的方法，平均處理一幅圖像的時間約700 ms.

表2 運(yùn)行時間比較Table 2 Experimental results of processing time

圖8 色彩信息較豐富圖像實(shí)驗(yàn)結(jié)果Figure 8 Experimental results of complexity color images

由于RGB顏色分量之間具有很強(qiáng)的相關(guān)性，改變像素的任一個分量都會導(dǎo)致顏色的偏移，出現(xiàn)修復(fù)結(jié)果的色彩失真現(xiàn)象，而利用HSI空間則可以避免這一問題，對于顏色信息比較豐富的圖像能夠取得更好的修復(fù)效果，這也可以從圖8的實(shí)驗(yàn)結(jié)果中看出，圖像大小為554×370，初始位置與高壓線寬度分別設(shè)置為298和4.

4 結(jié)語

針對鐵路貨運(yùn)檢測圖像中進(jìn)行高壓線去除和修復(fù)工作的環(huán)境特點(diǎn)，同時為解決基于傳統(tǒng)圖像修復(fù)模型(如BSCB)算法在修復(fù)圖像時運(yùn)算量較大的問題，本文提出了一種基于多方向融合技術(shù)的快速圖像插值修復(fù)算法.對圖像的平滑區(qū)域和邊緣區(qū)域分別采用不同的插值方法，通過設(shè)計合適的多方向融合算法，在保持圖像平滑的基礎(chǔ)上實(shí)現(xiàn)了對圖像中的邊緣紋理信息更加真實(shí)準(zhǔn)確的插值估計，而且計算復(fù)雜度相比于經(jīng)典的BSCB算法大大降低，能夠滿足鐵路貨運(yùn)檢查系統(tǒng)的實(shí)時性要求.最后采用本文算法分別對HSI色彩空間的各個通道分量進(jìn)行獨(dú)立處理，并成功應(yīng)用于彩色圖像的修復(fù)處理，不僅避免了對RGB彩色圖像R、G、B分量進(jìn)行相同處理所帶來的色彩失真問題，還有效降低了計算量，在一定程度上保證了算法的實(shí)時性.

在以后的研究中，我們將繼續(xù)針對更加復(fù)雜的鐵路環(huán)境圖像，利用更多可融合的圖像信息改進(jìn)本文算法并在算法設(shè)計上實(shí)現(xiàn)加速，以期在保證圖像整體視覺質(zhì)量的基礎(chǔ)上，繼續(xù)提高算法的實(shí)時應(yīng)用效率.

[1]TAUBERZ,LIZ N,DREw M S.Review and preview:disocclusion by inpainting for image-based rendering[J].IEEE Transactions on Systems,Man,and Cybernetics:Part C,2007,37(4):527-540.

[2]BERTALMIO M,SAPIRO G.Image inpainting[C]//Proceedings of the 27th Annual Conference on Computer Graphics and Interactive Techniques,New York,USA,2000:417-424.

[3]CHAN T,SHEN J.Mathematical models for local deterministic inpaintings[R].CAM 00-11,Image Processing Research Group,UCLA,2000.ftp://ftp.math.ucla.edu/pub/camreport/cam00-11.ps.gz

[4]CHAN T,SHEN J.Non-texture inpainting by curvature-driven diffusions(CDD)[J].CAM 00-35,Image Processing Research Group,UCLA,2000.ftp://ftp.math.ucla.edu/pub/camreport/cam00-35.pdf

[5]TELEA A C.An image inpainting technique based on the fast marching method[J].Journal of Graphics Tools,2004,9(1):25-36.

[6]CRIMINISIA,PEREZP,TOYAMAK.Region f illing and object removal by exemplar-based image inpainting[J].IEEE Transactions on Image Processing,2004,13(9):1200-1212.

[7]FENGTang,YINGYiting,WANGJin.A novel texture synthesis based algorithm for object removal in photographs[C]//Proceedings of 9th Asian Computing Science Conference,Thailand,2004:248-258.

[8]BECK J,STEwART C,RADKER J.LiDAR inpainting from a single image[C]//Proceedings on 12th International Conference on Computer Vision Workshops,2009:1441-1448.

[9]黨向盈，吳錫生，趙勇.一種新穎基于邊緣最大梯度的多方向優(yōu)化插值算法[J].計算機(jī)應(yīng)用研究，2007,24(9):317-320.

DANG Xiangying,WU Xisheng,ZHAO Yong.Novel multi-direction optimization interpolation based on edge max-gradient algorithm[J].Application Research of Computers,2007,24(9):317-320.(in Chinese)

[10]吳錫生，黨向盈，趙勇.一種閾值控制的邊緣自適應(yīng)快速圖像插值算法[J].計算機(jī)工程，2007,33(22):226-228.

WU Xisheng,DANG Xiangying,ZHAO Yong.Fast self-adptive edge-oriented interpolation based on threshold method[J].Computer Engineering,2007,33(22)226-228.(in Chinese)

[11]ZHANG Xiangjun,WU Xiaolin.Image interpolation by adaptive 2-D autoregressive modeling and softdecision estimation[J].IEEE Transactions on Image Processing,2008,17(4):887-896.

[12]SOLTANE A,ELKHAMYSE.Wavelet-based image interpolation with a least squares algorithm[J].Computer Engineering Conference,2010,10(21):103-106.

[13]ADAMCZYK K.WALCZAK A.Digital images interpolation with wavelet edge extractors[J].Human System Interactions,2010,6(12):399-405.

[14]YAROSLAVSKY L P.DFT and DCT based discrete sinc-interpolation methods for direct fourier tomographic reconstruction[J].Imageand Signal Processing and Analysis,2003,1(12):405-410.

[15]LINT C,TRUONGT K.DCT-based image codec embedded cubic spline interpolation with optimal quantization[J].IEEE Eighth International Symposium,2006,44(2):11-15.

[16]WUZhenyu,YUYongyang,CHENChangwen.A new hybrid DCT-wiener_based interpolation scheme for video intra frame up-sampling[J].IEEE Signal Processing Letters,2010,17(10):827-830.

[17]LUKAC R, PLATANIOTIS N, SMOLKA B,VENESANOPOULOS N.Vector operators for color image zooming [C]//Proceedings of the IEEE International Symposium on Industrial Electronics.Dubrovnik,Croatia:IEEE,2005:1273-1277.

[18]JINL H,LID H,SONGE.Combining vector ordering and spatial information for color image interpolation[J].Image and Vision Computing,2009,27(4):10-416.

[19]CHA Y,KIM S.Edge-forming methods for color image zooming[J].IEEE Transactions on Image Processing,2006,15(8):2315-2323.