基于雙層分塊提取框架的圖像修復方法技術

基于雙層分塊提取框架的圖像修復方法，雙層分塊提取框架先對當前破損圖像進行第一次塊分解，隨后對每一個單塊進行第二次分塊，而第一次分解后的每個單塊作為一個修復對象，然后利用并行運算對每個單塊進行單獨修復，最后再將所有修復單塊進行整合，完成最后圖像修復。而改進的字典更新框架，則是針對K?SVD圖像修復算法的字典更新階段，利用Closed?form解對訓練得到的字典進行再一次更新。本發(fā)明專利技術提出的雙層分塊提取框架和改進的K?SVD字典更新算法可以提高破損圖像的修復效果，修復后圖像在細節(jié)方面更加清晰，同時由于并行運算提高了圖像的修復效率。本發(fā)明專利技術并不僅限于圖像修復領域，雙層分塊提取框架可應用于任何其他的圖像處理領域，具有十分廣泛的應用前景。

Image Restoration Based on Bi-level Block Extraction Framework

Based on the image restoration method of the two-tier block extraction framework, the two-tier block extraction framework first decomposes the current damaged image into blocks for the first time, then subdivides each block into blocks for the second time, and each block after the first decomposition is treated as a repair object. Then each block is repaired separately by parallel operation, and finally all repaired blocks are integrated. Final image restoration. The improved dictionary update framework is to update the training dictionary again by using Closed form solution in the dictionary update phase of K_SVD image restoration algorithm. The proposed two-layer block extraction framework and the improved K_SVD dictionary updating algorithm can improve the repair effect of damaged image, make the repaired image clearer in details, and improve the repair efficiency of the image due to parallel operation. The invention is not limited to the field of image restoration, and the two-layer block extraction framework can be applied to any other field of image processing and has a very wide application prospect.

【技術實現(xiàn)步驟摘要】
基于雙層分塊提取框架的圖像修復方法
：本專利技術涉及計算機圖像修復方法。
技術介紹
：數(shù)字圖像修復的主要思想是利用圖像中的已知信息來對破損區(qū)域進行填充修補，使修復后的圖像滿足人類的視覺要求。數(shù)字圖像修復技術現(xiàn)已應用于眾多領域,在醫(yī)學領域中,用以還原成像缺失或者模糊的醫(yī)學圖像，輔助醫(yī)生診斷病情。還可以用于視頻處理當中，如協(xié)助警察抓捕罪犯。如何利用破損圖像已知信息是解決圖像修復問題的核心。比較具有代表性的三類算法分別是基于偏微分方程(PDE:PartialDifferentialEquations)的圖像修復模型、基于紋理合成的圖像修復模型和基于稀疏表示的圖像修復模型。基于稀疏表示的圖像修復模型的核心主要分為2個過程，一個是字典的產(chǎn)生和選擇，另一個是怎樣求解最稀疏解。而學習型字典基于大量的學習樣本，通過學習對象信號的特征，然后求解針對當前信號的最稀疏解，并進一步對字典進行更新，通過循環(huán)迭代后得到最終優(yōu)化后的字典。學習型字典突破了固定字典的適應性局限，且能取得更好的修復效果，但是這類字典訓練需要大量的時間作為代價。目前比較常用的學習型字典訓練算法有MOD字典訓練算法，K-SVD字典訓練算法以及在線字典訓練算法等。在基于稀疏表示的圖像修復模型中，如果將整張圖像作為輸入，那么其設計的字典維度將會很大，從而增加了修復算法的復雜度和計算量。因此圖像一般會采取分塊操作，把整張圖像按一定大小的塊模版進行分塊處理。傳統(tǒng)的取塊方法是利用取塊模板對圖片以不重疊提取的方式進行取塊，但是不重疊取塊會導致修復后的圖像存在塊邊界效應。而后又提出對圖像進行重疊提取圖像塊，目前比較常用的是完全重疊提取。相鄰的圖像塊之間存在相同的重復信息，重疊的部分只需要在所有圖像塊修復后，除以權重值進行平均操作后放回原圖像相應區(qū)域內(nèi)，完全重疊提取操作可以進一步提高圖像的修復性能，也有效避免了塊效應現(xiàn)象。但是當整張圖像經(jīng)過完全重疊提取后得到圖像數(shù)據(jù)是一個列數(shù)非常大的矩陣，如一張256×256的圖像，進行8×8完全重疊操作后得到的數(shù)據(jù)矩陣為64×62001。如果把整個矩陣作為圖像修復模型的輸入，仍然會導致模型計算量的增大。
技術實現(xiàn)思路
：本專利技術為克服現(xiàn)有技術的上述不足之處，提出了基于雙層分塊提取框架的圖像修復方法。本專利技術提出的雙層分塊提取框架，能夠減少每次字典訓練的數(shù)據(jù)量，加快訓練速度。同時提出了改進的字典更新框架，利用字典優(yōu)化Closed-form解對訓練得到的字典進行再次更新，然后將這兩個框架結(jié)合用以改進K-SVD圖像修復算法。在雙層分塊提取框架下，改進的K-SVD圖像修復算法相較于已有算法不僅在性能上有了很大的提高，修復結(jié)果在細節(jié)上更加清晰，而且由于可以采用并行運算，加快了圖像修復速度。本專利技術技術方案如下：一種基于雙層分塊提取框架的改進K-SVD圖像修復方法，包括下列步驟：(1)雙層分塊提取和整合框架(a)雙層分塊提取第一階段：設破損圖像P∈RL×L，選擇取塊模板大小為N×N進行第一次分塊，而取塊時塊與塊之間的間隔設為Δ1(Δ1≤N)。取塊的順序是一列一列移動取塊模板或者一行一行移動取塊模板。對于圖片P∈RL×L經(jīng)過第一階段的取塊后形成的圖像塊集合為(b)第二階段：針對圖像塊集合里面每一個塊pk，選擇的取塊模板大小用n×n，取塊時塊與塊之間的間隔設為Δ2(Δ2≤n)，可以采取和第一階段相同的取塊順序。(c)將在每個圖像塊pk提取的所有樣本塊進行拼接，其中每個樣本塊形成n2×1的列向量，得到組成矩陣X。而這個矩陣將作為基于改進的K-SVD圖像修復算法的操作對象，等所有圖像塊pk對應的矩陣X修復完成，按照取塊的逆操作順序放回再將重疊部分取平均進行整合，得到完整修復的圖像。(2)改進的K-SVD圖像修復算法首先利用傳統(tǒng)K-SVD字典學習算法對破損圖像P進行學習訓練得到字典DKSVD，然后推導出字典更新的解析(Closed-form)式，對得到的字典DKSVD進行再一次的字典更新，最后得到優(yōu)化后的字典Dopt，并將這個字典作為圖像修復時的字典。總之，本專利技術提出了雙層分塊提取框架，即對破損圖像進行二次分塊，而第一次分塊后得到的單塊會作為每次修復的對象，繼而進行第二次分塊，這樣可以減少每次字典訓練的數(shù)據(jù)量，加快訓練速度。同時由于每個圖像塊是單獨進行修復的，所以可以利用并行運算，加快了圖像修復的速度。同時提出改進的字典更新框架，利用字典優(yōu)化Closed-form解對訓練得到的字典進行再次更新，然后將這兩個框架結(jié)合用以改進K-SVD圖像修復算法。實驗仿真結(jié)果表明，本專利技術提出的基于雙層分塊提取的改進K-SVD圖像修復算法相較于已有算法在性能上有了很大的提高，修復結(jié)果在細節(jié)上更加清晰，同時由于并行計算的引入，加快了修復速度。本專利技術基于稀疏表示的圖像修復算法研究，提出雙層分塊提取框架和改進的字典更新框架，用于圖像修復，可用于文物保護、視頻處理、醫(yī)學成像等。本專利技術并不僅限于圖像修復領域，雙層分塊提取框架可應用于任何其他的圖像處理領域，具有十分廣泛的應用前景。本專利技術的優(yōu)點是：修復結(jié)果在細節(jié)上更加清晰，加快了修復速度。附圖說明：圖1是本專利技術圖像修復算法流程圖圖2是雙層分塊提取框架示意圖圖3是改進的字典更新框架圖4a～圖4d是圖像缺失25％像素時的修復效果，顯示本專利技術與DCT字典修復算法，K-SVD字典修復算法對圖像的修復效果對比，其中：圖4a是缺失25％像素Barbara圖像；圖4b是DCT修復圖像，PSNR＝28.2866dB(SSIM＝0.9095)；圖4c是K-SVD修復圖像，PSNR＝31.8112dB(SSIM＝0.9502)；圖4d是本專利技術提出算法的修復圖像，PSNR＝34.3248dB(SSIM＝0.9613)。圖5a～圖5d是圖像缺失50％像素時的修復效果，顯示本專利技術與DCT字典修復算法，K-SVD字典修復算法對圖像的修復效果對比，其中：圖5a是缺失50％像素Barbara圖像；圖5b是DCT修復圖像，PSNR＝27.3560dB(SSIM＝0.8916)；圖5c是K-SVD修復圖像，PSNR＝29.0650dB(SSIM＝0.9251)；圖5d是本專利技術提出算法的修復圖像，PSNR＝32.8734dB(SSIM＝0.9511)。圖6a～圖6d是圖像缺失75％像素時的圖像修復效果，顯示本專利技術與DCT字典修復算法，K-SVD字典修復算法對圖像的修復效果對比，其中：圖6a是缺失75％像素Barbara圖像；圖6b是DCT修復圖像，PSNR＝23.1367dB(SSIM＝0.7690)；圖6c是K-SVD修復圖像，PSNR＝24.3595dB(SSIM＝0.8010)；圖6d是本專利技術提出算法的修復圖像，PSNR＝28.3609dB(SSIM＝0.9131)。具體實施方式：下面結(jié)合具體實施例對本專利技術進行進一步的描述，但本專利技術的保護范圍并不僅限于此。本專利技術的基于雙層分塊提取框架的圖像修復方法，具體包括以下步驟：(1)提取雙層分塊和整合框架；(a)雙層分塊提取第一階段：設破損圖像P∈RL×L，選擇取塊模板大小為N×N進行第一次分塊，而取塊時塊與塊之間的間隔設為Δ1(Δ1≤N)。取塊的順序是一列一列移動取塊模板或者一行一行移動取塊模板。對于圖片P∈RL×L經(jīng)過第一階段的本文檔來自技高網(wǎng)...

【技術保護點】
1.基于雙層分塊提取框架的圖像修復方法，具體包括以下步驟：(1)提取雙層分塊和整合框架；(a)雙層分塊提取第一階段：設破損圖像P∈R

【技術特征摘要】
1.基于雙層分塊提取框架的圖像修復方法，具體包括以下步驟：(1)提取雙層分塊和整合框架；(a)雙層分塊提取第一階段：設破損圖像P∈RL×L，選擇取塊模板大小為N×N進行第一次分塊，而取塊時塊與塊之間的間隔設為Δ1(Δ1≤N)；取塊的順序是一列一列移動取塊模板或者一行一行移動取塊模板；對于圖片P∈RL×L經(jīng)過第一階段的取塊后形成的圖像塊集合為(b)第二階段：針對圖像塊集合里面每一個塊pk，選擇的取塊模板大小用n×n，取塊時塊與塊之間的間隔設為Δ2(Δ2≤n)，可以采取和第一階段相同的取塊順序；(c)將在每個圖像塊pk提取的所有樣本塊進行拼接，其中每個樣本塊形成n2×1的列向量，得到組成矩陣X；而這個矩陣將作為基于改進的K-SVD圖像修復算法的操作對象，等所有圖像塊pk對應的矩陣X修復完成，按照取塊的逆操作順序放回再將重疊部分取平均進行整合，得到完整修復的圖像；(2)改進K-SVD字典學習算法；利用K-SVD字典學習算法對破損圖像進行訓練得到字典DKSVD后，將其作為Closed-fo...

【專利技術屬性】
技術研發(fā)人員：常麗萍，魯欣，姜倩茹，徐紅，李勝，何熊熊，
申請(專利權)人：浙江工業(yè)大學，
類型：發(fā)明
國別省市：浙江,33