进入21世纪以来，数字图像处理技术伴随着计算机技术的迅猛发展和相关理论的不断完善已经在许多应用领域受到广泛重视并取得了重大的开拓性成就。而图像修复是图像处理的重要组成部分，是针对图像中损坏或遗失的部分，采取适当的数学模型进行填充。其目的是对破损区域进行修复，以形成良好的视觉效果或便于后续处理。

目前，图像修复技术的发展算法根据修复区域大小，主要集中在两个领域，基于非纹理结构的图像修复和基于纹理结构的图像修复，而后者包含两种办法：一种是基于图像分解的修复技术，对于损坏面积较小，尤其是对纹理简单的图像，修复结果较为理想。另一种是基于样本的纹理合成技术，这一类算法对于纹理信息复杂且损坏面积较大的图像，会得到较为理想的修复结果。

从目前的国内外研究现状来看，在图像复原中，基于样本的纹理合成技术得到了很好的应用，并且还有很大的发展空间。近年来，许多学者广泛关注大目标去除这一领域，并且取得了一定的进展。Harrison W首先提出了一种基于模板的算法，用于去除不想要的目标，但是这种算法对噪声的鲁棒性不好，常常使图像的线性结构变得模糊不清。后来Iddo提出了一种基于碎片的图像补全算法，利用自相似原理，采取一种由粗到精的方法来迭代逼近丢失信息的区域，取得了比较好的修复效果，但是由于该算法利用全局搜索的过程来寻找相似的碎片，速度相当的慢，极大的影响了它的实用范围。而Criminisi等提出的基于样例的图像修复算法。通过在资源区搜索与目标块的最优匹配块，并将其直接复制到待修复区域来实现图像修复。该算法的最大优点是通过计算待修复区域像素的修复优先权值，期望保留纹理特性的一致性。优先权的计算、搜索以及复制在近几年，胡正平也进行了基于分类学习字典全局稀疏表示模型的图像修复算法研究，也取得了一定的成果，在以上的方法中由于Criminisi算法拥有实现简单、速度快、效果好的特点，因而得到了广泛运用，但其自身还存在着许多缺点：在计算优先权的时候可信度不高，最佳匹配块的搜索过程中也存在精度不高的问题，这些都会影响图像的最终修复效果，使得修复后的图像不能很好地满足人们的视觉需求。所以本文研究基于样例的图像修复模型的改进算法，在以上方法着手，提出自己的改进算法的合理性和优越性，并与经典算法进行比较，形成一个能良好修复大面积图像损毁的算法。

2. 研究的基本内容与方案

一、基本内容

1. 学习了解图像的基础知识。

2. 学习基于纹理的图像修复。

3. 学习Criminisi算法并分析其优缺点。

4. 设计提出自己的基于样例的图像修复模型的改进算法并分析合理性和优越性。

5. 比较于经典算法总结并提出一些需要继续深入研究的问题。

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付