图像自动修复技术及其应用探讨
- 发布时间：2011/5/11 10:34:37
- 浏览次数：2000
现今，图像Inpainting修复技术已成为图像工程领域的一个新的活跃研究方向，其目的就是研究和解决如何更好地实现检测图像上的受损部分，并根据受损图像周围的有效信息用图像修补算法自动进行恢复。虽然一些强大的数字图像处理软件，例如Photoshop等，也可以对数字图像进行专业的处理和对受损图像进行修复处理，但却需要有经验的技术人员进行复杂的手工处理，无法达到“计算机智能”自动处理的目的。
我们首先看一个图像修复的例子，图1（b）是一个类似“@”的字母符号，其中的一部分被障碍物遮挡。根据人的视觉经验，参考被遮蔽物体的形状以及周围图像信息，做出一个猜测判断，认为在去除障碍物后，可能会出现如图1（a）所示的字符，也可能会出现如图1（c）所示的字符，并且图1（a）和图1（c）的修复结果可能都是正确的。计算机图像Inpainting技术正是从人的视觉心理学角度模拟这种效果，根据被遮物体的边缘信息，按照一定的方向进行延伸扩散、边界连接，填充遮蔽部分，达到视觉上的连通。当然，由图中我们也看出图像的被损信息大小（障碍物大小）也直接影响人们视觉上的连通判断，从数学的角度看，这种由于被损图像周围信息不充分情况下导致的图像修复结果不*的现象属于病态问题，因此图像Inpainting技术还需根据计算机视觉理论，通过一定假设条件的限定设计修复算法，来解决这个问题。
点击此处查看全部新闻图片
根据贝叶斯（Bayesian）结构体系，我们由不*和变形的数据中得出*理想的图像是基于模拟人眼恢复图像所做出的“*假设”或者叫“*猜测”，这个“*假设”是基于以下两个重要因素：
1．图像数据模型：我们怎样在原始图像中获取更多已有的图像数据信息。
2．图像预先模型：完好的原始图像应该是哪种图像模型。例如我们在修复一张在果盘中放有香蕉、苹果的图片，我们就会有一个预先的印象，应该是有光滑的形状，充满黄色和红色。
所以，“*猜测”就是在贝叶斯概率模型中zui大化后者的概率，按照一定的算法规则*图像中遗失或者损坏的部分，使修复后的图像接近或达到原图的视觉效果。