摘 要

随着科学技术的不断发展以及电子产品的更新换代，人们与数字图像打交道的次数也变得越来越多了。但是在我们的现实生活中由于各种各样人为或者非人为的原因，人们所需要的数字图像有可能会被损坏，基于这种情况，数字图像修复技术也变得越来越重要了。数字图像修复技术是数字图像处理领域里的一个研究热点，它在军事科学，医学影像等等方面都有着极为广泛的应用。

数字图像修复技术是当前科研界的一个研究热点，我们可以把它分为两大类：第一类是基于非纹理的图像修复算法，第二类是基于纹理合成的图像修复算法。本文介绍了目前几种比较著名的图像修复技术，重点探讨了基于TV模型的图像修复技术。本文先介绍了两大类修复算法的基本概念与模型，然后对TV模型进行了详细的研究，第一步为认知该模型的算法，第二步为认知该模型的算法实现。通过本文的研究，将对数字图像修复技术有一个更加深入的了解，同时对认知TV模型有极其重要的理论价值。

关键词：图像修复；TV模型；信息扩散；演化算法

Abstract

With the continuous development of science and technology and the replacement of electronic products, the number of people dealing with digital images has become more and more. But in our real life due to a variety of human or non-human, people need a digital image may be damaged, based on this case, the digital image restoration technology has become increasingly important. Digital image restoration digital image processing technology is a hot topic in the field, which in military science, medical imaging, etc., have a very wide range of applications.

Digital image restoration technique is currently a hot topic in the scientific community, we can divide it into two categories: The first category is the non-textured image restoration algorithm based on the second category is based on texture synthesis algorithm for image restoration. This article describes the current several more famous image repair technology, focusing on the image-based remediation TV model. This paper first describes the two types of algorithms to repair the basic concepts and models on TV and then carried out a detailed study of the model, the first step in the algorithm for the recognition of the model, the second step of the algorithm to achieve recognition of the model. Through this study, the digital image restoration technology will have a more in-depth understanding, and cognitive TV model has extremely important theoretical value.

Key Words: Image restoration; TV model; Information diffusion; Evolutionary algorithm

目录

摘要 I

Abstract II

目录 III

第1章 绪论 1

1.1 研究背景以及意义 1

1.2 国内外的研究现状 1

1.3 本文的研究内容及章节安排 3

第2章 数字图像修复技术 4

2.1 基于非纹理的图像修复算法 4

2.1.1 TV模型 4

2.1.2 CDD模型 5

2.1.3 BSCB模型 6

2.1.4 算法分析与比较 8

2.2 基于纹理合成的图像修复算法 9

2.2.1 基于样例的图像修复算法 9

2.2.2 基于图像分解的修复算法 10

2.2.3 图像修复与纹理合成的关系 10

2.3 本章小结 11

第3章 基于TV模型的图像修复算法 12

3.1 TV模型的基本原理 12

3.2 TV模型的算法实现 15

3.3 本章小结 17

第4章 仿真结果 17

4.1 MATLAB软件简介 18

4.2 TV模型对人像图的修复效果 18

4.3 TV模型对风景图的修复效果 19

4.4 TV模型对大面积破损图像的修复效果 20

4.5 本章小结 21

第5章 总结与展望 22

5.1 总结 23

5.2 展望 23

参考文献 24

致谢 27

第1章 绪论

1.1 研究背景以及意义

当今世界，日新月异，图像修复技术也随着经济社会的发展进入我们的眼帘，

并且在人们的日常生活与科学研究中发挥着越来越重要的作用。大约是从上世纪七十年代开始，随着图像修复技术的日渐成熟与完善，它也被应用到了更多的领域，比如天文观测、医学影像、军事科学、交通监控等等。

在天文观测方面，由于射线和大气，地面上的成像系统会受到一定程度的影

响，这会导致图像的退化。另一方面，由于相机快门的速度远慢于宇宙飞船的速

度，也会造成太空中的成像系统出现运动模糊的情况。所以，必须要用图像修复技术来处理这些图片，得到的图像才能够被人们正常使用。

在医学影像方面，X光，CT等成像系统都会应用到图像修复技术，图形修复技术能够抑制图像获取系统或者医学成像系统的噪声，能够得到更加直观和清晰的图像。

在军事科学方面，侦察地形所用到的探测雷达、无人机、预警机等的地形识别等等方面都需要运用到图像修复技术，飞机、舰船所用到的导航系统也与其密不可分。