一種基于Criminisi算法改進的圖像修復技術

齊玲 王錦

摘 要：針對Criminisi 算法及其現階段存在的不足，提出一種新的基于樣本塊的圖像修復改進算法。通過圖片預處理，首先重建圖像破損邊緣，改善修復后圖像邊緣模糊、斷裂、過度延伸等情況;其次在優先級計算中引入α、β調節因子，增加數據項權重，從而得到更加精確的優先權順序，同時防止優先權值在修復后期快速衰減。計算修復圖像的 PSNR值并與原Criminisi 算法進行對比，結果表明改進算法有更好的修復效果。

關鍵詞：圖像修復;Criminisi 算法;優先權;邊緣重建

DOI：10. 11907/rjdk. 191040

中圖分類號：TP317.4文獻標識碼：A文章編號：1672-7800（2019）004-0188-03

0 引言

圖像修復就是對錯誤和缺損的圖像區域，通過參考圖像其它區域內容和信息，恢復原始圖片中缺失的部分[1]。目的是保持圖片整體性，保證圖像能夠符合人的認知心理，保證修復的區域邊界能夠與已知區域平滑自然相交，保證圖片表達形態具有連貫性，盡可能減少修復痕跡。圖像修復技術應用廣泛，比如醫學成像、特殊物體去除、壁畫修復、圖像壓縮等，具有很高的使用價值和研究價值。

圖像修復算法可分為基于偏微分方程的修復技術、基于圖像分解的修復方法、基于紋理合成的圖像修復算法3類[2]。基于偏微分方程的修復算法對小尺度破損圖像具有較好修復效果，其代表算法有：Bertalmio等[3]提出的 BSCB（Bertamlio Sapiro Caselles Ballester）模型、Chan等[4，5]建立的全變分（Total Variation，TV）圖像修復模型以及曲率驅動擴散的（Curvature Driven Diffusions，CDD）修復模型等。

基于圖像分解的修復方法與基于紋理合成的修復方法則對修復缺損面積較大的數字圖像有較好效果。基于圖像分解的修復方法是先將圖像分解成結構和紋理兩個部分[6，7]。Bertalmio 等[8]提出對紋理部分采用紋理合成技術修復，用BSCB方法對結構部分進行修復，最后兩者疊加得到最終修復效果，或者用PDE修復技術修復結構部分。

基于紋理合成的圖像修復算法基本思想是：從未破損區域尋找與丟失信息部分最為相似的圖像塊。其中，最具代表性的是 Criminisi 算法[9]。在此基礎上，大量學者針對其不足提出了不同改進算法。張絢等[10]提出對優先權與最佳匹配塊選取進行改進的基于樣例的圖像修復方法;王新年等[11]提出通過引入幾何距離確定最佳匹配塊的改進算法;韓明珠等[12]通過引入調節因子α對優先級順序進行調整，提高了算法在處理圖像紋理細節方面的敏感性;池悅等[13]通過膨脹腐蝕對圖片進行預處理，然后將置信度計算引入指數并采用局部搜索方法，最后使用拉普拉斯銳化整幅圖像以此改進該算法;何凱等[14]通過改進置信度更新函數并且引入Census與原匹配準則相結合，既提高了圖像修復方向的準確性，又提高了修復匹配的精確度;歐先鋒等[15]提出一種自適應選擇樣本塊大小的算法，主要通過計算梯度值大小自適應調整樣本塊大小;黃穎等[16]提出一種先利用曲率因子改進優先權，再用高斯函數更新置信項的改進算法。

本文改進算法針對目前仍然存在的不足，首先對待修復圖像進行預處理，使用曲線擬合對其破損邊緣進行重建，填補缺失的結構信息，改善圖像修復后邊緣模糊、斷裂、過度延伸等情況;其次重新定義了 Criminisi 算法中修復塊的優先權計算公式，增加了數據項的權重，在修復圖像時提高優先權計算的可靠性，取得了更準確的修復順序。實驗證明，算法在圖像修復質量方面取得了較好效果。

1 Criminisi算法

Criminisi算法將圖像結構信息作為圖像修復順序參考，在修復過程中能根據圖像信息合理安排修復順序。Criminisi 算法除了對大區域破損圖像的修復有較好效果，其執行效率也有明顯優勢。

1.1 Criminisi算法原理

1.2 算法流程

Criminisi 算法流程關鍵在于破損區域的填補順序。實現步驟為：

2 算法改進

2.1 預處理

Bezier曲線主要通過交互確定一組控制多邊形定點獲得所需曲線形式[17-19]。當其移動兩端的端點時，即可改變曲線的彎曲程度;若中間點移動，則在起點與終點之間勻速運動。本文主要用一階（線性）貝塞爾曲線和二階貝塞爾曲線對圖像進行預處理。

利用貝塞爾曲線預先對破損邊緣進行修復，能有效改善圖像修復后出現的邊緣模糊、斷裂不連續等情況，達到邊緣重建效果[20]。

2.2 優先權改進

在優先權計算公式中，[D（p）]代表的是圖像結構信息，破損區域隨著修復逐漸變小，且[？I⊥p]與[np]的夾角會越來越大并形成垂直，因而數據項[D（p）]的值也會越來越小并且趨于零，與之相反的是，置信度項[C（p）]的值卻逐漸變大。但是，由于優先權值[P（p）]為數據項與置信度項的乘積，隨著數據項的值逐漸減小為零，置信度項也就沒有什么意義了，此時優先權值[P（p）]依然可能隨著修復進行出現為0的情況，修復順序同樣會產生錯誤[21]。 一旦產生錯誤順序，Criminisi算法會一直沿著錯誤方向繼續修復，將直接導致最后圖像修復質量受到重大影響。

為了解決上述問題，將[C（p）]與[D（p）]改為相加，并引入權值[α]、[β]。改進的優先權計算公式如下：

3 實驗結果對比與分析

為了驗證本文改進算法的修復效果，以Matlab R2016a作為實驗平臺進行仿真實驗，并對實驗結果進行分析比較。評價方式為主觀感受與客觀評價相結合，其中客觀評價以峰值信噪比（PSNR）的值為參考標準，PSNR值越大，其修復效果越好。

圖2所示圖像修復結果主要是針對優先權的改進。通過實驗發現，當α取0.2、β取0.8時，其修復效果最好。

從圖3、圖4所示實驗結果可看出，原算法修復效果并不理想。圖3（b）中，帽子和手臂處修復后存在明顯的邊緣斷裂不連續問題;在圖4（b）中也同樣存在3處類似問題。但是，從圖3（c）和圖4（c）所示修復結果及標出的PSNR值來看，本文算法較好地解決了該問題，并取得了較好修復效果。

4 結語

本文針對圖像修復過程中出現邊緣模糊以及不能準確計算最大優先級修復塊的問題，在Criminisi 算法基礎上提出了新的改進。通過實驗結果比較分析，本文算法取得了良好的修復效果。除了在算法本身不足基礎上提出改進，還可通過某些技術手段對原破損圖像進行前期處理，強化圖像破損邊緣，達到計算出最佳修復順序的目的，以此提高圖像修復質量。在接下來工作中，可從算法的匹配準則入手，提高樣本匹配準確率，以獲得更好的修復效果。

參考文獻：

[1] GUILLEMOT C，MEUR O L. Image inpainting：overview and recent advances[J]. Signal Processing Magazine IEEE，2014，31（1）：127-144.

[2] 張斐. 大區域圖像修復算法研究[D]. 南京：南京郵電大學，2013.

[3] BERTALMIO M，SAPRIO G，CASELLES V，et al. Image inpainting[C]. Proceedings of ACM SIGGRAPH，2000： 417-424.

[4] CHAN T F，SHEN J. Mathematical models for local nontexture inpaintings[J]. Siam Journal on Applied Mathematics，2015，62（3）：1019-1043.

[5] CHAN T，SHEN J. Non-texture inpainting by curvature driven diffusions （CDD）[J]. J Visual Comm Image Rep，2001，12（4）：436-449.

[6] GU J，PENG S，WANG X. Digital image inpainting using Monte Carlo method[C]. International Conference on Image Processing，2004： 961-964.

[7] AUJOL J F，AUBERT G，LAURE B F， et al. Image decomposition application to SAR images[C]. International Conference on Scale Space Methods in Computer Vision， 2003： 297-312.

[8] BERTALMIO？M，VESE？L，SAPIRO？G，et？al.？？Simultaneous structure and texture image inpainting[J]. IEEE Transactions on Image Processing，2003，12（8）：882-889.

[9] CRIMINISI A，PEREZ P，TOYAMA K. Region filling and object removal by exemplar-based image? inpainting[J]. IEEE Transactions on Image Processing， 2004， 13（9）：1200-1212.

[10] 張絢，尹立新，李振杰. 一種改進的基于樣例的圖像修復算法[J]. 計算機應用與軟件，2014， 31（10）：216-219.

[11] 王新年，王哲，王演. 基于幾何距離的 Criminisi 圖像修復算法[J].計算機工程與設計，2015（7）：1835-1839.

[12] 韓明珠，郭樹旭，臧玲玲，等. 基于樣本塊的圖像修復改進算法[J]. 計算機工程與應用， 2015， 51（ 16） ： 192-194.

[13] 池悅，何寧，張琪，等. 一種改進的基于Criminisi算法的目標移除方法[J]. 北京聯合大學學報， 2017， 31（1）：67-74+80.

[14] 何凱，高俊俏，盧雯霞. 基于改進置信度函數及匹配準則的圖像修復算法[J]. 天津大學學報：自然科學與工程技術版，2017，50（4）：399-404.

[15] 歐先鋒，晏鵬程，郭龍源. 一種改進的Criminisi圖像修復算法[J]. 成都工業學院學報，2018，21（1）：27-30.

[16] 黃穎，李凱，楊明. 基于樣本塊與曲率特征的圖像修復改進算法[J]. 計算機應用研究，2018，35（4）：1274-1276+1280.

[17] 馬華，劉峰，任春麗. Bezier曲線的計算機實現[J].西安電子科技大學學報，2002（4）：565-568.

[18] 鄭厚生. 關于Bezier曲線性質及曲線擬合問題[J]. 華僑大學學報：自然科學版， 1992（4）：519-525.

[19] 陳天富. 圖像輪廓的Bézier曲線擬合研究[D].合肥：合肥工業大學，2015.

[20] 康佳倫，唐向宏，任澍. 結構約束和樣本稀疏表示的圖像修復[J].中國圖象圖形學報，2013，18（11）：1425-1434.

[21] 亓卓亞，蘇紅旗. 基于Criminisi算法的圖像修復順序的研究[J]. 無線互聯科技，2016（3）：120-122.

（責任編輯：何 麗）