一种图像盲修复方法及系统

本发明属于图像重建，具体涉及一种图像盲修复方法和系统。

背景技术：

1、图像在存储或者传播过程中，易出现信息丢失的情况，会造成图像质量下降。为了填充丢失的信息，提高图像质量，图像修复技术应运而生。目前，大多数图像修复技术都是针对非盲修复的，即在待修复区域已知的情况下进行图像复原。例如专利申请文件cn106846279公开了一种基于连分式插值技术的自适应图像修补方法及其系统，该图像修补方法包括以下步骤：初始化图像特征分析；利用一元连分式插值技术进行划痕图像破损点的修补；利用二元连分式插值技术进行划痕图像的再修补，将初始的修补图像a作为信息图像，由掩模图来确定每一个破损点的位置，由破损点周围的像素信息采用二元连分式插值更新得到每个破损点的像素信息，得到最终的修补图像b。

2、但是在现实应用中，例如：艺术品修复和目标物的移除等，其待修复区域是未知的，这就需要进行图像盲修复，即需要在修复之前，先获得待修复区域，然后进行标记，再进行非盲修复操作。图像盲修复的实际应用范围较广，但现有技术中对图像盲修复方法的研究却较少。总体来说，可以将图像盲修复方法分为以下四大类：基于多变量多项式零点分布与零片分离的图像盲修复方法、基于参数估计的图像盲修复方法、基于迭代或递归的图像盲修复方法以及基于概率框架的图像盲修复方法。其中，基于概率框架的图像盲修复方法的研究相对较多。

3、虽然现有技术中的图像盲修复方法具有一定的修复效果，但仍存在以下问题：(1)修复之前需要人工对待修复区域进行标记，即由人工选用特定的颜色对待修复区域进行覆盖标记，主观意识较强且效率低下；(2)修复时需要同时上传盲图像和待修复区域标记图像，操作麻烦；(3)从应用效果来看，仅能对图像进行粗修复，纹理不够清晰，修复效果依然不够好。

4、由此可见，现有技术中对图像盲修复方法的研究还不够充分，需要进一步深入研究，设计出一种图像盲修复方法和系统，该方法和系统不仅能对盲图像的待修复区域进行客观高效的自动标记，且只需要上传盲图像，重要的是修复效果优异，纹理区域的保真度高，能很好地逼近原始图像。

技术实现思路

1、本发明的目的在于提供一种图像盲修复方法和系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种图像盲修复方法，包括以下步骤：

4、s1待修复区域的检测：首先将盲图像依次进行灰度处理、二值化处理和中值滤波处理；然后进行小波分解，弱化细节，得到待修复区域的轮廓；最后采用形态学重构对所述待修复区域的空洞进行填充；

5、s2待修复区域的标记：采用形态学闭运算对步骤(1)得到的图像进行处理并对所述待修复区域进行颜色标记；

6、s3图像修复：采用相似块组作为稀疏表示的基本单元，在相似块组的基础上，将双变量有理分形插值函数引入，进行图像修复。

7、根据本发明所述的图像盲修复方法，步骤s3中采用相似块组作为稀疏表示的基本单元，数学表达式如下所示：

8、

9、其中，u表示修复后图像，表示约束条件下的最优解，v表示盲图像，λ1为正则化参数；ψgsr(w)表示相似块组稀疏表示约束项，约束项ψgsr(w)下u的最优解记为w；在优化问题求解中，s.t表示w＝iu为约束条件；i为单位矩阵。

10、根据本发明所述的图像盲修复方法，采用分离变量技术，式(1)可转换为以下2个子问题求解：

11、

12、

13、其中，bk+1＝bk-(uk+1-wk+1)，k表示迭代次数，μ表示参数，b表示误差。

14、根据本发明所述的图像盲修复方法，当w确定，u代表的子问题转换成凸二次函数的最小化问题，则式(2)可获得解：

15、u＝(hth+μi)-1[htv+μ(w+b)]           (4)；

16、当u确定，w代表的子问题求解如式(5)所示：

17、

18、其中，dg表示所有相似块组的字典；αg表示所有相似块组的稀疏系数。

19、根据本发明所述的图像盲修复方法，通过式(10)求式(5)的近似解：

20、

21、其中，hard(·)表示硬阈值算子；式(10)求解结果整合后可获得整幅图像的

22、根据本发明所述的图像盲修复方法，将相似块组修复后的图像降采样，然后采用双变量有理分形插值函数进行超分辨率重建，其中，未丢失信息区域保持原像素值不变，信息丢失区域的采用均值处理。

23、根据本发明所述的图像盲修复方法，所述双变量有理分形插值函数的数学表达式为：

24、

25、一种图像盲修复系统，所述系统执行以上任一项所述的图像盲修复方法。

26、与现有技术相比，本发明的有益效果是：

27、1.本发明公开的图像盲修复方法，通过步骤s1和s2进行数学模型处理，不仅能对盲图像的待修复区域进行客观高效的自动标记，而且只需要上传盲图像，操作简单。

28、2.本发明公开的图像盲修复方法，步骤s3中，分形函数是图像纹理的数学表达的有效形式；有理函数是理想核函数的近似表达，和图像均具有非线性属性，因此，有效的有理分形函数可以更好的表达图像的自身特征，修复效果能很好地逼近原始图像。

29、3.本发明公开的图像盲修复方法，步骤s3盲修复过程中，在稀疏特征基础上，引入非线性特征和分形纹理特征获得修复后的图像，该方法利用图像的3个自身特征进行约束修复，修复质量显著提高；

30、4.本发明公开的图像盲修复方法及系统具有图像非线性特征和纹理特征得到强化，修复效果更加逼近图像自身特征的优势，而且适用范围广泛，更符合实际应用情况。

技术特征：

1.一种图像盲修复方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的图像盲修复方法，其特征在于，步骤s3中采用相似块组作为稀疏表示的基本单元，数学表达式如下所示：

3.根据权利要求2所述的图像盲修复方法，其特征在于，采用分离变量技术，式(1)可转换为以下2个子问题求解：

4.根据权利要求3所述的图像盲修复方法，其特征在于，

5.根据权利要求4所述的图像盲修复方法，其特征在于，通过式(10)求式(5)的近似解：

6.根据权利要求1-5任一项所述的图像盲修复方法，其特征在于，将相似块组修复后的图像降采样，然后采用双变量有理分形插值函数进行超分辨率重建，其中，未丢失信息区域保持原像素值不变，信息丢失区域的采用均值处理。

7.根据权利要求6所述的图像盲修复方法，其特征在于，所述双变量有理分形插值函数的数学表达式为：

8.一种图像盲修复系统，其特征在于，所述系统执行权利要求1-7任一项所述的图像盲修复方法。

技术总结
本发明提供了一种图像盲修复方法和系统，属于图像重建技术领域。所述方法包括以下步骤：S1待修复区域的检测：首先将盲图像依次进行灰度处理、二值化处理和中值滤波处理；然后进行小波分解，弱化细节，得到待修复区域的轮廓；最后采用形态学重构对所述待修复区域的空洞进行填充；S2待修复区域的标记：采用形态学闭运算对步骤(1)得到的图像进行处理并对所述待修复区域进行颜色标记；S3图像修复：采用相似块组作为稀疏表示的基本单元，在相似块组的基础上，将双变量有理分形插值函数引入，进行图像修复。所述方法具有图像非线性特征和纹理特征得到强化，修复效果更加逼近图像自身特征的优势，而且适用范围广泛，更符合实际应用情况。

技术研发人员：李尊,赵伟,申小萌,赵帅,李帅,牛嘉仪,叶雨鑫
受保护的技术使用者：新乡学院
技术研发日：
技术公布日：2024/1/13