基于样本块的旋转及缩放图像修复算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107945120A(43)申请公布日2018.04.20(21)申请号201711068055.6(22)申请日2017.11.03(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人何凯卢雯霞沈成南黄婉蓉(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人吴学颖(51)Int.Cl.G06T5/00(2006.01)G06T5/10(2006.01)G06K9/62(2006.01)权利要求书1页说明书5页附图6页(54)发明名称基于样本块的旋转及缩放图像修复算法(57)摘要本发明公开了一种基于样本块的旋转及缩放图像修复算法：利用局部特征向量的特性，对图像中未破损区域进行关键点的计算；计算破损区域中像素点的优先权，选出具有最高优先权的像素点，以此像素点为中心，根据确定的破损块的尺寸，定义出破损块；对破损块进行关键点的计算，对破损块和未破损区域进行关键点匹配，搜寻最优匹配块；利用匹配到的关键点坐标值确定最优匹配块的边缘轮廓；对最优匹配块进行空间拓展变换；利用拓展后的最优匹配块对破损块进行信息填充；重复上述步骤，直到所有破损块都被修复，输出修复后的图像。对于具有旋转和尺度缩放图像，本发明能够快速准确地获得相关破损块的最优匹配块，获得良好的修复效果。CN107945120ACN107945120A权利要求书1/1页1.一种基于样本块的旋转及缩放图像修复算法，其特征在于，包括以下步骤：1)利用局部特征向量的特性，对图像中未破损区域进行关键点的计算、检测和筛选；2)计算破损区域中像素点的优先权，选出具有最高优先权的像素点，以此像素点为中心，根据确定的破损块的尺寸大小，定义出破损块；3)对破损块进行关键点的计算、检测和筛选，然后对破损块和未破损区域进行关键点的匹配，搜寻最优匹配块；4)利用匹配到的关键点的坐标值确定最优匹配块的边缘轮廓；5)对最优匹配块的空间能量函数进行空间拓展变换；6)利用拓展后的最优匹配块对破损块进行信息填充；7)重复步骤2)至6)，直到所有的破损块都被修复，输出修复后的图像。2.根据权利要求1所述的基于样本块的旋转及缩放图像修复算法，其特征在于，对步骤1)中的未破损区域和步骤3)中破损块均按以下公式进行关键点的计算、检测和筛选：F(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)式中，F(x,y,σ)是经过尺度变换之后的图像空间，G(x,y,σ)是多尺度的高斯函数，I(x,y)代表了图像像素值，k是一个固定的乘数因子，m(x,y)是梯度的幅值，θ(x,y)是梯度的方向值。3.根据权利要求1所述的基于样本块的旋转及缩放图像修复算法，其特征在于，步骤4)中确定最优匹配块的边缘轮廓的关系式为：式中，xmin表示关键点横坐标的最小值，xmax表示关键点横坐标的最大值，ymin表示关键点纵坐标的最小值，ymax表示关键点纵坐标的最大值，yj表示横坐标最小值对应的另一半坐标值，yi表示横坐标最大值对应的另一半坐标值，xk表示纵坐标最小值对应的另一半坐标值，xl表示纵坐标最大值对应的另一半坐标值。4.根据权利要求1所述的基于样本块的旋转及缩放图像修复算法，其特征在于，步骤5)中对最优匹配块的空间能量函数进行空间拓展变换的函数为：式中，ip是像素的相对索引值，表示经过θn角度的旋转，αn是尺度变换系数，取值为αn＝0.5，表示顺时针经过θn角度旋转后的像素相对索引值，n是破损区域的像素点，xn是未破损区域的像素点，M(xn)是以xn为中心的经过拓展变换后的最优匹配块，T代表破损区域，MMSE是最小均方差，B是破损块，▽代表水平和垂直方向的梯度信息，λ是权重因子，取值为λ＝0.2。2CN107945120A说明书1/5页基于样本块的旋转及缩放图像修复算法技术领域[0001]本发明涉及计算机图像处理领域，更具体的说，是涉及一种基于样本块的旋转及缩放图像修复算法。背景技术[0002]图像修复是图像处理和计算机视觉领域研究的重点之一。图像修复是对受损图像进行修复重建，或者去除图像中的多余物体，同时保证图像原有的视觉效果。目前该技术大体上可以分为两类，一类是针对小区域破损区域的修复方法，另一类是针对大区域破损区域的修复方法。[0003]小区域破损区域的修复通常是基于偏微分方程的图像修复算法，主要是利用热扩散方程建立图像的偏微分方程，并按照一定的规则向待修复区域扩散。大区域破损区域的修复主要是基于纹理合成的修复方法，也是目前图像修复的重点，主要是利用图像破损区域附近完好的纹理信息，对待修复区域进行块匹配和复制，从而达到图像修复的目的。最常见的大区域破损区域的修复算法主要是基于样本块的方法。[0004]传统