亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于球形收斂和結(jié)構(gòu)一致性的圖像修復(fù)算法

        2021-11-04 08:03:04李志丹茍慧玲程吉祥
        鐵道學(xué)報(bào) 2021年9期
        關(guān)鍵詞:優(yōu)先權(quán)置信度紋理

        李志丹,陳 嬌,茍慧玲,程吉祥

        (西南石油大學(xué) 電氣信息學(xué)院,四川 成都 610500)

        數(shù)字圖像修復(fù)概念由Bertalmio等[1]在2000年的SIGGRAPH會(huì)議上提出,也被稱為圖像補(bǔ)全或圖像去遮擋。數(shù)字圖像修復(fù)是利用待修復(fù)圖像內(nèi)已知信息對(duì)未知信息進(jìn)行估計(jì)并恢復(fù)補(bǔ)全,達(dá)到修復(fù)后圖像看起來連貫自然的目標(biāo)。經(jīng)過近些年的發(fā)展,圖像修復(fù)技術(shù)的研究越來越廣泛和深入,已成為計(jì)算機(jī)視覺和圖像處理領(lǐng)域的研究熱點(diǎn)。

        根據(jù)修復(fù)算法的適用對(duì)象,可將現(xiàn)有圖像修復(fù)算法粗略地分為兩類:適合于修復(fù)小區(qū)域破損圖像和適合于修復(fù)大區(qū)域破損圖像。在適合于小區(qū)域破損圖像修復(fù)方面,主要包括基于擴(kuò)散的方法[1-2]和基于稀疏表示[3-4]的方法。基于擴(kuò)散的方法是根據(jù)合適的偏微分方程對(duì)丟失區(qū)域進(jìn)行建模,然后將已知信息根據(jù)所建模型擴(kuò)散到丟失區(qū)域。這類方法易引入平滑效應(yīng),不能較好地保持修復(fù)后圖像結(jié)構(gòu)紋理信息的清晰性。基于稀疏表示的修復(fù)算法是假定待修復(fù)圖像的已知信息和未知信息在某個(gè)基上具有相同的稀疏表示,通過迭代優(yōu)化能量方程以重構(gòu)丟失信息。這類方法僅可較好地修復(fù)文字劃痕等小區(qū)域破損類型的圖像,而對(duì)包含復(fù)雜信息的圖像易產(chǎn)生平滑現(xiàn)象。在適合于修復(fù)大面積破損圖像方面,主要包括基于樣本塊的修復(fù)算法[5]和基于深度學(xué)習(xí)的方法[6-7]?;谏疃葘W(xué)習(xí)的方法利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練已有數(shù)據(jù),根據(jù)訓(xùn)練模型生成缺失部分。這類方法訓(xùn)練時(shí)間長,且極大地依賴于數(shù)據(jù)集的選擇。

        Criminisi等[5]提出的樣本塊修復(fù)算法主要包括兩個(gè)部分,一是根據(jù)優(yōu)先權(quán)法則確定當(dāng)前待填充塊,另一是選擇匹配塊及填充方式。為提高修復(fù)效果,學(xué)者們對(duì)這兩個(gè)方面進(jìn)行了研究并提出大量改進(jìn)算法[8-18]。如Hesabi等[8]引入梯度和散度信息以構(gòu)造匹配準(zhǔn)則;文獻(xiàn)[9]利用基于多方向特征的結(jié)構(gòu)稀疏度函數(shù)構(gòu)造更魯棒的優(yōu)先權(quán)法則,同時(shí)引入多方向特征以構(gòu)造合適的匹配準(zhǔn)則;文獻(xiàn)[10]引入邊緣特征以優(yōu)先填充結(jié)構(gòu)部分,并將加權(quán)巴氏距離與歐氏距離融合以尋找匹配塊;Kumar等[11]在優(yōu)先權(quán)法則中引入邊緣長度項(xiàng)以期獲得穩(wěn)定的填充順序;Lee等[12]利用拉普拉斯金字塔分離紋理和結(jié)構(gòu)區(qū)域,增強(qiáng)了對(duì)邊緣信息的識(shí)別能力;文獻(xiàn)[13]采用空間變化策略更新置信度項(xiàng)以獲得穩(wěn)定的填充順序;Alilou等[14]對(duì)目標(biāo)塊利用奇異值分解方法構(gòu)造填充信息并進(jìn)行填充,獲得了良好的修補(bǔ)結(jié)果;Cho等[15]引入水平正則化項(xiàng)和背景項(xiàng)來獲得穩(wěn)定的填充順序,并綜合拉格朗日乘子項(xiàng)和方差信息尋找匹配塊;文獻(xiàn)[16]在匹配準(zhǔn)則中引入結(jié)構(gòu)相似性信息來選擇匹配塊;Ding等[17]提出高斯加權(quán)非局部紋理相似性以獲得候選塊;文獻(xiàn)[18]使用動(dòng)態(tài)建模方法確定填充順序,以確保紋理和邊界的可靠傳播。

        雖然上述算法在一定程度上提升了樣本塊修復(fù)算法性能,但對(duì)于較大區(qū)域破損的圖像仍不能較好的保持其結(jié)構(gòu)完整性,且易出現(xiàn)錯(cuò)誤延伸現(xiàn)象。為提高樣本塊圖像修復(fù)性能,本文從填充次序和匹配準(zhǔn)則兩個(gè)方面入手。首先為獲得穩(wěn)定的填充次序,將球形收斂準(zhǔn)則和基于斯特林理論的置信度更新準(zhǔn)則融合,構(gòu)造魯棒的優(yōu)先權(quán)法則,以優(yōu)先修復(fù)圖像結(jié)構(gòu)信息,同時(shí)適度延伸紋理;其次為選擇更優(yōu)的匹配塊進(jìn)行填充,將結(jié)構(gòu)一致性引入以構(gòu)造更合適的匹配準(zhǔn)則。實(shí)驗(yàn)結(jié)果表明,本文算法能保持修復(fù)后圖像的結(jié)構(gòu)連貫性,且有效地減輕了誤差累積現(xiàn)象。

        1 基于球形收斂和結(jié)構(gòu)一致性的樣本塊圖像修復(fù)算法

        1.1 基于球形收斂的優(yōu)先權(quán)法則

        填充順序的穩(wěn)定性是保持修復(fù)后圖像結(jié)構(gòu)連貫性的前提。在修復(fù)過程中,樣本塊圖像修復(fù)算法若不能較好區(qū)分結(jié)構(gòu)與紋理信息,則易導(dǎo)致紋理信息過度延伸而不能較好保持修復(fù)后圖像的結(jié)構(gòu)連貫性。為提高修復(fù)性能,本節(jié)提出基于球形收斂的優(yōu)先權(quán)法則,其主要思想是首先優(yōu)先修復(fù)結(jié)構(gòu)部分,而后按照球形收斂規(guī)則逐漸向內(nèi)填充破損區(qū)域,以保證填充順序的穩(wěn)定性。優(yōu)先權(quán)法則P(p)描述為

        (1)

        式中:C(p)和D(p)分別為樣本塊Ψp的置信度項(xiàng)和數(shù)據(jù)項(xiàng),定義同Criminisi算法[5];pi為填充邊界?Ω上的像素點(diǎn);Ψpi為根據(jù)max{dS(Ψp,Ψpi),pi∈?Ω}確定的下一個(gè)待修復(fù)塊,Ψp為當(dāng)前待修復(fù)塊;dS(Ψp,Ψpi)為樣本塊Ψp和Ψpi的空間距離;δ=max{C(pi),pi∈?Ω},為填充邊界上所有置信度的最大值;t為根據(jù)δ設(shè)定的閾值;ρ為平衡因子。

        當(dāng)δ≥t時(shí),因數(shù)據(jù)項(xiàng)可以反映樣本塊所處區(qū)域特性,故提高數(shù)據(jù)項(xiàng)的占比ρ,以優(yōu)先修復(fù)圖像的結(jié)構(gòu)部分,根據(jù)經(jīng)驗(yàn)分析將ρ取值為0.7;當(dāng)δ

        球形收斂修復(fù)過程見圖1。Ω為優(yōu)先修復(fù)圖像結(jié)構(gòu)部分后剩余的未知區(qū)域,假設(shè)Ψp′為以p′為中心點(diǎn)的當(dāng)前待修復(fù)塊,則下一個(gè)待修復(fù)塊Ψp″將根據(jù)max{dS(Ψp′,Ψp″),p″∈?Ω}確定;Ψp′被填充完畢之后再以Ψp″為當(dāng)前待修復(fù)塊,重復(fù)上述過程,直至破損區(qū)域完全被填充。對(duì)于待修復(fù)區(qū)域有多個(gè)時(shí)的情形,比如文字或劃痕破損,優(yōu)先修復(fù)結(jié)構(gòu)部分后,將剩余的破損區(qū)域當(dāng)作一個(gè)整體進(jìn)行修復(fù)。

        圖1 球形收斂的修復(fù)過程

        1.2 基于斯特林理論的置信度更新準(zhǔn)則

        根據(jù)置信度的定義[5]可知,隨著填充過程的進(jìn)行,置信度值會(huì)迅速衰減并趨近于0。置信度的快速衰減將破壞填充順序的穩(wěn)定性,出現(xiàn)結(jié)構(gòu)不連貫現(xiàn)象。

        受到斯特林公式的啟發(fā),同時(shí)為抑制置信度項(xiàng)的迅速衰減,將斯特林公式與指數(shù)項(xiàng)eλn結(jié)合,提出基于斯特林理論的置信度更新準(zhǔn)則為

        (2)

        式中:C(q)為更新后的置信度值;λ為平衡參數(shù)。若λ取值較大,會(huì)使更新后的置信度值大于1;若λ取值較小,則衰減速度較快;根據(jù)經(jīng)驗(yàn)本文λ取0.08。

        為測試本節(jié)提出的基于斯特林理論置信度更新準(zhǔn)則的有效性,對(duì)圖2(a)進(jìn)行目標(biāo)移除,掩模圖像見圖2(b),其修復(fù)效果見圖2(c)和圖2(d)。其中,圖2(c)為使用文獻(xiàn)[5]算法的修復(fù)結(jié)果;圖2(d)為使用本文置信度更新準(zhǔn)則的修復(fù)結(jié)果;圖2(e)為圖2(c)和圖2(d)中第140行所有像素點(diǎn)的置信度值曲線。

        圖2 置信度項(xiàng)更新準(zhǔn)則對(duì)圖像修復(fù)效果的影響

        從圖2(e)中可以看出,采用文獻(xiàn)[5]算法修復(fù)后圖像的一些置信度值趨于0,這時(shí)將極度削弱優(yōu)先權(quán)法則中數(shù)據(jù)項(xiàng)的作用,不能很好地優(yōu)先修復(fù)結(jié)構(gòu)部分,出現(xiàn)了圖2(c)中結(jié)構(gòu)部分的不連貫。利用本文提出的置信度更新準(zhǔn)則修復(fù)后圖像的置信度值未趨近于0,使得優(yōu)先權(quán)更為穩(wěn)定,并未出現(xiàn)結(jié)構(gòu)不連貫的現(xiàn)象,見圖2(d)。這說明本文提出的基于斯特林理論的更新準(zhǔn)則能有效抑制置信度項(xiàng)的衰減速度,保證優(yōu)先填充結(jié)構(gòu)部分,使得填充次序更為穩(wěn)定。

        1.3 基于結(jié)構(gòu)一致性的匹配準(zhǔn)則

        由于圖像信息的多樣性和復(fù)雜性,傳統(tǒng)樣本塊修復(fù)算法僅采用顏色信息度量樣本塊間的差異性是不夠的,易產(chǎn)生錯(cuò)誤匹配,且由于填充過程的貪婪性,從而產(chǎn)生誤差累積現(xiàn)象。為減輕誤匹配現(xiàn)象,引入樣本標(biāo)準(zhǔn)偏差以尋找最佳匹配塊。標(biāo)準(zhǔn)偏差用于度量數(shù)據(jù)集分布的分散程度,是衡量數(shù)據(jù)值偏離算術(shù)平均值的程度。樣本塊間標(biāo)準(zhǔn)偏差定義為

        (3)

        基于結(jié)構(gòu)一致性的匹配準(zhǔn)則為

        d(Ψp,Ψq)=a×dE(Ψp,Ψq)+(1-a)×

        dstd(Ψp,Ψq)

        (4)

        式中:dE(Ψp,Ψq)為樣本塊Ψp與Ψq在顏色空間上的歐氏距離;a為權(quán)重系數(shù),其作用是平衡歐氏距離和樣本標(biāo)準(zhǔn)偏差值。

        2 實(shí)驗(yàn)結(jié)果與分析

        本文所有實(shí)驗(yàn)均采用Matlab2015b和Visual Studio2015作為工具,在Intel Core i5-7500 CPU 3.40 GHz的計(jì)算機(jī)上進(jìn)行。實(shí)驗(yàn)分為3個(gè)部分,分別為參數(shù)取值討論、小區(qū)域破損修復(fù)及目標(biāo)移除實(shí)驗(yàn)。實(shí)驗(yàn)采用的數(shù)據(jù)為含有豐富結(jié)構(gòu)和紋理信息的圖像。因峰值信噪比PSNR值的大小表明了修復(fù)后圖像與原始真實(shí)圖像相似程度的高低,故采用PSNR作為客觀評(píng)價(jià)指標(biāo)以衡量修復(fù)效果的優(yōu)劣。

        2.1 參數(shù)討論

        包含復(fù)雜結(jié)構(gòu)和紋理區(qū)域的小尺度破損圖像見圖3。

        圖3 破損圖像

        為探討閾值t及權(quán)重系數(shù)a對(duì)修復(fù)性能的影響,選擇不同的參數(shù)值對(duì)圖3中各種圖像進(jìn)行修復(fù)。

        (1)測試t變化時(shí)對(duì)修復(fù)效果的影響。t取不同值時(shí)修復(fù)后圖像PSNR值的變化見圖4。從圖4(a)中看出,當(dāng)t開始逐漸增大時(shí),修復(fù)后圖像的PSNR值幾乎沒有變化;但當(dāng)t進(jìn)一步增大時(shí),PSNR值急劇下降。因t=0.6時(shí)平均PSNR最大(如圖4(b)中所示),故閾值t取0.6。

        圖4 不同t值對(duì)修復(fù)后圖像PSNR值的影響

        由于t取值較小時(shí)PSNR值的變化較小是因小區(qū)域破損中結(jié)構(gòu)部分的破損也較少,故選擇對(duì)破損圖像進(jìn)行填充以驗(yàn)證閾值t選擇的合理性。閾值t取不同值時(shí)的修復(fù)結(jié)果對(duì)比見圖5。從圖5可以看出,t=0.6時(shí)的修復(fù)效果最優(yōu),修復(fù)后圖像的連貫性較好,且沒有在填充區(qū)域內(nèi)出現(xiàn)錯(cuò)誤填充的情形。

        圖5 不同閾值t對(duì)修復(fù)效果的影響

        (2)測試a變化時(shí)對(duì)修復(fù)效果的影響。a取不同值時(shí)修復(fù)后圖像的PSNR值變化曲線見圖6。由圖6(a)可見,不同修復(fù)后圖像的PSNR值變化趨勢并不完全一致,但大致上先是隨著a的增大有增大的趨勢,而后隨著a的繼續(xù)增大呈下降趨勢。因在圖6(b)中a=0.3時(shí)平均PSNR值最大,故在本文實(shí)驗(yàn)中a取0.3。

        圖6 不同a值對(duì)修復(fù)結(jié)果的影響

        2.2 小尺度破損修復(fù)

        為說明本文算法能有效修復(fù)劃痕等小區(qū)域破損圖像,選擇4幅具有較為豐富結(jié)構(gòu)和紋理信息的圖像作為測試對(duì)象,見圖7(a)。分別用本文算法,以及適合小區(qū)域修復(fù)的算法[3]、樣本塊修復(fù)算法[5,13]對(duì)其破損圖像進(jìn)行修復(fù),見圖7(b)。修復(fù)結(jié)果對(duì)比見圖7(c)~圖7(f),修復(fù)后圖像的PSNR值見表1。

        從圖7中可以看出:文獻(xiàn)[3]留下了明顯的平滑痕跡,且破損區(qū)域稍大時(shí)出現(xiàn)了結(jié)構(gòu)不連貫現(xiàn)象,如圖7(c)中第二行所示;Criminisi算法[5]的修復(fù)結(jié)果中出現(xiàn)了邊緣不連貫現(xiàn)象,如圖7(d)中第2行所示,且出現(xiàn)了錯(cuò)誤延伸現(xiàn)象,如圖7(d)中第1、2、4行所示;文獻(xiàn)[13]出現(xiàn)了些微的紋理過度延伸和結(jié)構(gòu)不連貫現(xiàn)象,如圖7(e)所示。從圖7(f)可以看出,本文算法取得了良好的修復(fù)效果,并未出現(xiàn)結(jié)構(gòu)不連貫和誤差累積現(xiàn)象。且由表1可知,本文算法均獲得了最高的PSNR值,說明本文算法修復(fù)效果最優(yōu),誤匹配現(xiàn)象最低。綜上所述,從主觀評(píng)價(jià)和客觀評(píng)價(jià)指標(biāo)均可說明本文算法的有效性。

        圖7 小尺度破損修復(fù)結(jié)果對(duì)比

        表1 不同修復(fù)算法的修復(fù)結(jié)果對(duì)比(PSNR值) dB

        2.3 目標(biāo)移除

        選擇4幅圖像作為目標(biāo)移除的測試圖像見圖8(a),其破損模板圖像見圖8(b),對(duì)比樣本塊修復(fù)算法[5,12-13]與本文算法的修復(fù)結(jié)果見圖8(c)~圖8(f)。

        圖8 目標(biāo)移除結(jié)果對(duì)比

        從圖8(c)和圖8(e)可以看出,Criminisi算法[5]和文獻(xiàn)[13]的修復(fù)結(jié)果中均出現(xiàn)了結(jié)構(gòu)不連貫現(xiàn)象,以及紋理錯(cuò)誤延伸現(xiàn)象,這是由于填充順序不穩(wěn)定及匹配準(zhǔn)則不合理造成的。文獻(xiàn)[12]雖基本上未出現(xiàn)錯(cuò)誤填充現(xiàn)象,但其修復(fù)結(jié)果中也出現(xiàn)了結(jié)構(gòu)不連貫的情形,見圖8(d),這是搜索區(qū)域有限導(dǎo)致的,未能找到更為合適的匹配塊。從圖8(f)中可以看出,本文算法較好地保持了結(jié)構(gòu)部分的連貫性和紋理信息連續(xù)性,修復(fù)效果優(yōu)于文獻(xiàn)[5, 12-13]算法。這是因?yàn)楸疚乃惴ú捎玫膬?yōu)先權(quán)法則和置信度更新準(zhǔn)則能獲得更穩(wěn)定的填充順序,且利用基于結(jié)構(gòu)一致性的匹配準(zhǔn)則能獲得更合適的匹配塊。

        3 結(jié)論

        本文從填充次序和匹配準(zhǔn)則入手以獲得良好的圖像修復(fù)結(jié)果,可得出以下結(jié)論:

        (1)通過區(qū)分圖像位于結(jié)構(gòu)區(qū)域或是紋理區(qū)域,確定采用結(jié)構(gòu)優(yōu)先比例計(jì)算優(yōu)先權(quán)值或是按照球形收斂法則確定填充順序,使得填充次序更加穩(wěn)定。

        (2)將斯特林理論引入置信度項(xiàng)更新準(zhǔn)則以減緩其衰減速度,進(jìn)一步提高填充順序的穩(wěn)定性。

        (3)將結(jié)構(gòu)一致性與顏色信息加權(quán)來衡量樣本塊間的相似性,以獲得與鄰域一致性更高的匹配塊,有效地削弱誤匹配現(xiàn)象。

        實(shí)驗(yàn)結(jié)果表明本文算法較對(duì)比算法可以獲得更高的PSNR值,并且很好地保持了修復(fù)后圖像結(jié)構(gòu)部分的連貫自然及與鄰域信息的連續(xù)一致性。但本文算法存在些微的塊效應(yīng)和接縫效應(yīng),未來希望基于破損區(qū)域特征來確定搜索區(qū)域,以進(jìn)一步提升修復(fù)效果。

        猜你喜歡
        優(yōu)先權(quán)置信度紋理
        硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
        基于BM3D的復(fù)雜紋理區(qū)域圖像去噪
        軟件(2020年3期)2020-04-20 01:45:18
        民法典中優(yōu)先權(quán)制度構(gòu)建研究
        西部論叢(2019年25期)2019-10-21 05:42:40
        使用紋理疊加添加藝術(shù)畫特效
        正負(fù)關(guān)聯(lián)規(guī)則兩級(jí)置信度閾值設(shè)置方法
        TEXTURE ON TEXTURE質(zhì)地上的紋理
        Coco薇(2017年8期)2017-08-03 15:23:38
        進(jìn)入歐洲專利區(qū)域階段的優(yōu)先權(quán)文件要求
        消除凹凸紋理有妙招!
        Coco薇(2015年5期)2016-03-29 23:22:15
        置信度條件下軸承壽命的可靠度分析
        軸承(2015年2期)2015-07-25 03:51:04
        海事船舶優(yōu)先權(quán)的受償順位問題分析
        日韩av无码一区二区三区| 欧美亚洲另类国产18p| 少妇做爰免费视频网站| 国产suv精品一区二区| 久久无码人妻一区二区三区午夜| 欧美日本国产三级在线| 亚洲天堂免费av在线观看| 日韩国产一区二区三区在线观看 | 国产麻豆一区二区三区在线播放 | 欧美黑人性暴力猛交喷水| 亚洲区在线| 日本在线中文字幕一区| 国产日本精品一区二区免费| 色又黄又爽18禁免费网站现观看| 亚洲乱码中文字幕综合| 成年视频国产免费观看| 依依成人影视国产精品| 久久久亚洲精品一区二区| 久久综合久久综合久久| 人妻少妇中文字幕乱码| 国产jizzjizz视频免费看| 久久精品中文字幕久久| 国产极品大秀在线性色| 免费女人高潮流视频在线观看 | 亚洲第一无码精品久久| 最新国产精品国产三级国产av| 国语对白免费观看123| 欧美肥婆性猛交xxxx| 成人免费毛片内射美女-百度| 在线a亚洲视频播放在线观看| 午夜婷婷国产麻豆精品| 日本不卡的一区二区三区中文字幕| 小sao货水好多真紧h无码视频| 国产又黄又猛又粗又爽的a片动漫| 亚洲AV秘 无套一区二区三区| 国产精品一区二区久久久av| 精品卡一卡二卡3卡高清乱码 | 在线一区二区三区国产精品| 97精品久久久久中文字幕| 久久精品波多野结衣中文字幕| 久久久人妻一区精品久久久 |