数字图像修复技术综述

图像修复是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。为了使人们对该技术有个概略了解,在对目前有关数字图像修复技术的文献进行理解和综合的基础上,首先通过对数字图像修复问题的描述,揭示了数字图像修复的数学背景;接着分别介绍了以下两类图像修复技术:一类是基于几何图像模型的图像修补(inpainting)技术,该技术特别适用于修补图像中的小尺度缺损;另一类是基于纹理合成的图像补全(comp letion)技术,该技术对于填充图像中大的丢失块有较好的效果;然后给出了这两类方法的应用实例;最后基于对数字图像修复问题的理解,提出了对数字图像修复技术的一些展望。  

一种新的基于偏微分方程的图像修复

图像的修复是图像处理中一个重要的部分，主要是利用一定的方法针对产生划痕和有缺损的图像进行修复，或者从图像中去除指定的物体和文字，以达到特定的目的。该文比较了CDD图像修复模型和快速图像修复模型的性能。它们都满足“连接整体性准则”，对于具有较大破损区域及细小边缘的图像具有良好的修复能力。但是前者修复速度较慢，而后者可以克服CDD修复速度较慢的缺点。实验结果表明，该模型在保证与CDD模型相近修复质量的情况下可以大幅度地提高修复速度。  

消除halo效应和色彩失真的去雾算法

目的 雾天条件下采集的图像存在低对比度和低场景可见度的问题,传统的去雾算法易产生halo效应和色彩失真问题。为此,结合大气散射光特性提出一种基于相对总变差的图像复原方法。方法 首先从大气散射光与纹理信息无关的角度出发,利用相对总变差分离图像主结构和图像纹理信息准确估计大气耗散函数,通过引入一个自适应保护因子来避免复原图像的色彩失真问题,最后由大气散射模型计算复原图像并进行图像的亮度调整,得到一幅清晰无雾的图像。结果 通过与经典的去雾算法比较,表明该方法可以有效避免halo效应和天空颜色失真等不足,并且在图像的深度突变处也能得到很好的去雾效果。结论 实验表明该算法的场景适应能力较强,时间复杂度与图像的大小成线性关系,相比于前人的算法在计算速度上有一定的提高。  

基于结构张量的自适应CTV彩色图像恢复模型

讨论一种基于非线性扩散方程的彩色图像去噪方法。在图像去噪的3个基本要求的基础上，总结出调和项模型和彩色总变差去噪模型中的不足，利用图像的局部信息构造函数使得模型在接近图像边缘处各向异性平滑并保持边界。在平坦区域各向同性平滑，防止阶梯效应的产生，并利用角点信息保持了角点形状。实验结果表明，所建模型能够较好地保持图像中目标的几何结构，同时具有良好的去噪能力。  

分数阶B样条小波域的图像变分去噪

分数阶B样条具有分数阶逼近,可以更好地刻画图像纹理部分。将分数阶B样条小波推广到二维领域,利用分数阶B样条小波进行图像阈值去噪,提出了分数阶B样条小波域图像去噪的变分模型。同传统小波函数与全变差结合模型比较,分数阶B样条小波在保持纹理和去噪方面得到了明显改进。  

基于自适应正则化的全变分去噪算法

Stanley Osher和Martin Burger提出的基于Bregman距离的迭代正则化全变分去噪算法运算速度较快,但是应用于图像去噪时,没有考虑不同区域的灰度分布特性,从而容易导致纹理等重要信息丢失或模糊的缺陷.针对这一现象,提出了一种基于自适应正则化的全变分去噪算法.论文对Osher的去噪模型中的全局正则化参数进行改进,给出了一种根据图像中不同区域的灰度分布特性,自适应选取正则化参数的方法.该算法可以保留图像的边缘和纹理细节信息.实验结果证实了所提算法的有效性,其信噪比较原有方法至少提高1.0 dB以上.  

NLTV:非局部数字全变差滤波算法

在图像平滑处理过程中，如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法（DTV）和数字双边全变差算法（DBTV）的滤波机制的基础上，利用图像像素间的近-远程相关性，分别定义近程相关性和远程相关性两个度量，建立了一种非局部图像滤波自适应双边加权机制，提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法（NLTV）。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。  

图像复原的Bregman迭代双正则化方法

正则化图像复原最终会导致一个大规模优化问题，提出了一种基于Bregman迭代双正则化的图像复原方法。该方法中目标函数同时考虑总变分正则化和小波域稀疏正则化，在Bregman框架下解决图像复原问题，并且给出了用于解该问题的分裂Bregman迭代算法。该算法将复杂的优化问题转化为几十次简单的迭代加以解决，每次迭代只需几次快速傅里叶变换和收缩操作即可。实验结果表明，提出的复原算法不论从客观改善信噪比还是主观视觉，都能取得很好的效果。同时与目前的复原算法相比，该算法有更快的收敛速度。  

去除乘性噪声的重加权各向异性全变差模型

恢复含乘性噪声的图像是当前图像处理的重要研究课题. 本文提出基于迭代重加权的各向异性全变差(Total variation, TV)模型. 新模型中, 假定乘性噪声服从Gamma分布. 正则项采用加权的各向异性全变差, 其中, 自适应权函数由期望最大(Expectation maximization, EM)算法得到. 新模型在有效去噪的同时, 较好地保留了图像的边缘和细节信息, 同时能够有效地抑制"阶梯效应". 数值实验验证了新模型的效果.  

对称四阶偏微分方程去噪算法

通过分析整体变分模型的去噪原理和效果，提出一个新的四阶偏微分方程去噪模型，用于克服二阶偏微分方程去噪后使图像分块的缺点，同时保持去噪后图像的高保真性，并发展一个基于四邻域系统的对称离散化算法用于求解新模型，应用中值滤波去除四阶偏微分方程去噪所引起的亮点。实验结果表明，与传统方法相比，以该算法去噪后的图像具有更好的质量和视觉效果。