基于能量信息耦合梯度調節機制的圖像修復算法設計與應用

杜 媛

(西安職業技術學院 大數據應用學院，西安 710072)

0 引言

在當今人們越來越重視信息傳遞的環境下，得益于數字圖像的便捷性和易獲取性，數字圖像也得到了更為寬廣的使用，在航空航天、醫療診斷以及汽車制造等多個領域都可以看到數字圖像技術的使用[1]。現代發達的科技，使得人們易于獲取與保存數字圖像。但在數字圖像的保存與使用等處理過程中，也會出現數字圖像損壞的情況，損壞的數字圖像不僅會降低數字圖像的觀賞性，甚至有時還會對傳送的圖像信息造成缺失，使得數據傳送出錯[2]。因此，對損壞圖像修復的方法進行研究，就變得貼切于生活，成為了一項具有實際應用價值的工作[3]。當下圖像修復技術已在新聞傳媒、考古研究等領域得到了廣泛的應用[4]。

為了修復損壞的數字圖像，人們對圖像修復算法進行了研究，如Jia等人[5]在修復圖像的過程中，采用圖像的置信度信息與結構信息相乘的方式，計算出優先權值，進而獲取優先修復塊，接著計算基于IHS空間的圖像梯度，進而完成圖像修復。該方法考慮了圖像的梯度特征，具有一定的修復效果，但由于該方法主要依靠圖像的置信度信息獲取優先修復塊，忽略了圖像的能量信息，易造成優先權值計算結果的誤差較大，選取的優先修復塊準確度不高，使得修復圖像中含有不連續現象。Wang等人[6]根據圖像的空間變化情況更新置信度，以改進優先權值的計算，接著通過結構一致的計算方法，求取最優補丁塊，以修復圖像。該方法能夠對破損圖像進行修復，且考慮了圖像中的結構因素，使得修復圖像的結構一致性較好，但由于該方法中優先權值的計算是以置信度為主，沒有考慮圖像的能量信息，從而導致修復圖像中含有偽吉布斯效應。Lu等人[7]采用梯度低秩逼近方法，在圖像的水平和垂直梯度上進行低階約束，計算梯度相似的最小化，再利用導數的自適應迭代奇異值閾值來修復圖像。該算法采用了自適應的閾值確定方法來修復圖像，使得修復的圖像完整度較好，但由于該算法中梯度低秩逼近方法具有一定的逼近誤差，在迭代修復圖像的過程中，會由于誤差的疊加，使得逼近誤差不斷加大，進而使得修復圖像中含有塊現象。Dong等人[8]提出了一種全廣義變分的圖像修復模型，引入多級緊幀分解系數的低階和高階導數，對圖像進行約束，得到多尺度下多個不同方向的特征信息，采用分裂技術和原對偶算法相結合的優化算法，實現圖像的修復。該算法利用對圖像信息求導數的方法，將圖像的特征信息融入到了圖像的修復過程，使得修復圖像的紋理等特征較為完善，但由于該算法中使用的廣義變分模型，忽略了像素點間的關聯性，使得修復圖像中含有振鈴效應。

對此，本文提出了能量信息耦合梯度調節機制的方法，用于圖像修復。在置信度和數據項的基礎上，加入圖像的能量信息，構造優先權測量函數，以準確的獲取優先修復塊。利用圖像的梯度模值，建立梯度調節機制，獲取與圖像紋理相適宜的樣本塊大小。引入SSD(sum of squared difference)函數，搜尋最優匹配塊。利用像素點的差值，對置信度進行合理的更新。最后，測試了所提算法的修復性能，從SSIM(structural similarity index)和紋理連貫性兩方面來客觀評價。

1 本文圖像修復算法

本文算法的修復過程見圖1。可見，該算法由求取優先修復塊、確定樣本塊大小、搜尋最優匹配塊和更新置信度項四部分組成。

圖1 本文算法流程設計圖

1)求取優先修復塊。借助區域能量函數，求取圖像的能量信息，將圖像的能量信息加入到待修復塊的優先權值計算過程中，以克服待修復塊的置信度項在趨于0時，引起優先權值計算出錯的弊端，從而準確的獲取優先修復塊。

首先，設置樣本塊初始化大小為k×k后，通過式(7)計算此時樣本塊的梯度模值GMi。接著將樣本塊大小擴大至k=k+2，再次計算此時樣本塊的梯度模值GMi+1。然后，計算擴大后樣本塊的梯度模值變化率：

基于以上數據可知，各地區尾水導流工程實際尾水導流量均未達到工程設計規模，各地區導流工程效益未完全發揮。而尾水導流規模未達到設計規模的原因主要在于各地區管網建設等配套設施未健全，部分污水未完全收集。隨著經濟的發展，經濟總量不斷上升，單位面積經濟增量顯著增加導致的污染物持續增多，將對沿線生態環境產生較大的壓力。如果不能合理收集、處理污水，輸水干線水質將受影響。

傳接球失誤是中國男籃失誤率最高的技術環節。一方面，當對手突然采用全場緊逼，包夾、圍剿控球后衛時，控球隊員未能在第一時間意識到對手的包夾，做出正確的處理決斷；另一方面，與運球推進過程中，場上隊員前后脫節，接應不及時，接應位置選擇欠佳，快速移動中傳接球能力較差有關。運球失誤則主要是個人技術粗糙，心理壓力增加造成的。

3)搜尋最優匹配塊。采用SSD函數，測量圖像塊間匹配度，搜尋最優匹配塊，對待修復塊進行修復。

利用式(9)求取Yp與已知區域中所有匹配塊的SSD值，當SSD值最小時，說明此時的匹配塊與Yp的匹配度最高，將其作為最優匹配塊。

1.1 求取優先修復塊

對于待修復像素點p對應的待修復塊Yp，置信度項C(p)和數據項D(p)分別表達了其已知信息以及結構信息，其表述分別為[9]：

(1)

(2)

圖像的能量信息在一定程度上反映了圖像內容的整體變化情況，圖像的能量信息可借助區域能量函數來獲取[12]：

通過C(p)和D(p)計算優先權P(p)的過程為：

采取標準選取的方式篩選病人，選用隨機抽簽法進行篩選。納入我院于2016年3月—2018年3月期間收治的胃腸道穿孔疾病患者中的100例，納入男性患者61例，女性患者39例，年齡為21.5至76歲，平均年齡為（43.2±8.2）歲，體重為（52.1±6.3）kg，病程時間為（7.9±1.8）h。

P(p)=C(p)D(p)

(3)

由于在迭代修復的過程中，C(p)值會驟降而趨于0，導致P(p)的計算出錯和不穩定[10-11]。因此，本文引入圖像的能量信息，將其聯合C(p)和D(p)，構造優先權測量函數，以使得優先權值的計算不會隨著C(p)值的驟降而出錯，提高了修復順序計算過程的穩定性以及準確性。

(4)

式中，M為Yp的大小。

通過C(p)和D(p)及EG(p)構造的優先權測量函數R(p)為：

R(p)=C(p)+D(p)+EG(p)

(5)

如式(5)所示，引入圖像的能量信息，可為優先權的計算提供了更多的圖像特征作為參考內容，有助于提高優先權值計算的正確性。同時將式(3)中采用置信度項和數據項相乘的方式，改成式(5)中相加的形式，可以避免由于C(p)值的驟降而引起優先權計算出錯，可以有效促進圖像修復秩序合理、穩定的進行。

圖2展示了通過式(5)計算優先修復塊的過程。在經過對不同待修復塊優先權值的計算后，確定了圖2(b)中箭頭指向的待修復塊Yp為求取的優先修復塊。

圖2 求取優先修復塊的過程

1.2 確定樣本塊大小

固定尺寸樣本塊難以適應圖像紋理的多樣性。圖像的紋理結構較為復雜時，可縮小其尺寸，以避免修復圖像出現畸變和紋理不連續等弊端[13-14]。圖像的紋理結構較為簡單時，可擴大其尺寸，以避免修復圖像出現塊效應和拼接痕跡。圖像的紋理信息可通過像素點的梯度信息來反應。本文將通過求取圖像的梯度模值，來作為樣本塊大小的選取依據，確定樣本塊大小。

現如今，市場競爭激烈，為了提高建筑企業的市場競爭力就要求建筑企業在保證工程質量的同時也要做好工程施工的成本管理。房屋工程施工的成本管理是一項系統化的工作，并且滲透到了建筑施工的各個方面，主要是通過施工前要對施工中產生的費用進行預算，并根據實際情況進行調整，編制計劃，最終進行核算等。這樣做既能增強市場競爭力，還能夠有效的控制成本，從而大大提高建筑企業的經濟效益和社會效益。因此，做好房屋建筑工程施工的成本管理是建筑企業的重要手段，建筑企業不僅要充分認識到成本管理的重要性，而且還要學會合理的掌控，只有這樣才能夠使得企業立于不敗之地，長遠的發展下去。

像素點p(x，y)的梯度模值為[15]：

Gp=((p(x+1，y)-p(x-1，y))2+

(p(x，y+1)-p(x，y-1))2)1/2

(6)

式中，k為Zqi和Ypi的大小。

(7)

式中，Zq為已知區域中的匹配塊，ax(x=R、G、B)與bx(x=R、G、B)分別為Yp和Zq中像素點對應的R、G、B值。

2)確定樣本塊大小。通過計算圖像的梯度模值，建立梯度調節機制，考慮圖像的紋理變化情況，根據圖像中紋理的變化情況，動態的調節樣本塊的大小，進而得出適宜的樣本塊大小，克服了采用固定樣本塊大小，引起的紋理不適應性，避免了修復圖像出現紋理不連續性的弊端，增強算法的適應能力。

(8)

最后，比較ΔGM與變化閾值η的大小。當ΔGM≥η時，說明擴大樣本塊大小后，樣本塊的梯度變化較大，紋理結構變得較為復雜，樣本塊大小擴大失敗，應保持梯度模值GMi對應的樣本塊大小。當ΔGM<η時，說明擴大樣本塊大小后，樣本塊的梯度變化不大，紋理結構的復雜情況變化較小，樣本塊大小擴大成功，此時應將樣本塊大小繼續擴大至k=k+2，并迭代該過程，直至ΔGM≥η為止。

梯度調節機制確定樣本塊大小的過程如圖3所示。圖3中樣本塊大小經過了兩次調節，最后確定了實線框對應的大小為樣本塊大小。

經過考古數據的匯總，實物文本分析及比對，昂昂溪文化原始美術分布特點及整體的美術特征相關研究的結論如下：

喀什市色滿鄉缺少能夠長效增收、脫貧致富的特色產業，產業增收效益尚不明顯，帶動致富的能力不強；在精準扶貧措施到戶過程中，由于貧困戶對產業發展需求不同，造成一些貧困戶對扶持項目不感興趣，浪費了扶貧資金、扶貧項目。

圖3 確定樣本塊大小

1.3 搜尋最優匹配塊

SSD函數是一種使用較多的最優匹配塊搜索方法，其通過像素點的R、G、B值對待修復塊與匹配塊之間的匹配程度進行測量，該過程如下[16]：

SSD(Yp，Zq)=

(9)

當圖像的梯度模值較大時，說明圖像的紋理結構較為復雜，反之說明圖像的紋理結構較為簡單。因此，可利用GM建立梯度調節機制，以選擇樣本塊尺寸，其步驟如下。

4)更新置信度項。利用像素點間的差異性，構造相似懲罰因子，更新置信度項，以提高被修復圖像塊邊緣與未破損圖像塊邊緣的銜接性，消除被修復圖像塊邊緣的像素畸變性，通過迭代該過程，實現圖像的修復。

常規研究比較傾向于院外各種形式，與患者緊密溝通，在患者出院后指導其正確護理、科學飲食，改善預后[8]。本文通過護理延伸服務，拓展院內、院外的護理范圍和內容，借鑒專科護理、優質護理的優勢，為患者提供全面、高效、高質量的護理。對于畏懼腫瘤且存在嚴重負性情緒的膀胱癌患者，再加上手術后并發癥、腹壁造瘺以及尿道改造等，嚴重影響著患者的日常生活質量[9-10]。護理延伸服務特此針對該病群體，通過人性化、專業護理，加強患者院外健康指導、生活護理以及定期隨訪，明顯提高了患者生存質量，并在一定程度上降低了疾病復發率[11-12]。

Zq=argminSSD(Yp，Zq)

(10)

采用SSD函數獲取最優匹配塊的結果如圖4所示。通過SSD函數多次計算待修復塊Yp與匹配塊間的SSD后，確定了圖中箭頭所指實線框匹配塊Zq為最優匹配塊。

圖4 最優匹配塊的確定

1.4 更新置信度項

通過Zq對Yp進行修復時，由于Zq和Yp中同一坐標處的像素點具有差異性，因此對置信度更新時，不能直接將修復后Yp中像素點的置信度更新為1，以避免誤差的繁衍，造成塊現象的出現[17-18]。對此，本文利用Zq和Yp中像素點的差異性構造了相似懲罰因子，用以更新置信度項。

Zq和Yp中像素點i的差異性可通過其像素值Zqi和Ypi得到：

(11)

利用式(6)求取大小為M×M圖像I(x，y)的梯度模值為：

利用DF構造的相似懲罰因子為：

(12)

圖5為利用本文算法獲取的修復圖像。從圖5可見，修復圖像的紋理連續性較好，可視效果佳。

圖5 修復結果

3 實驗結果

在AMD3.6 GHz處理器、8 GB內存的DELL計算機上，采用Matlab#7.10建立實驗環境，同時視文獻[19]、[20]算法為比對組。對本文算法和比對組進行圖像修復測試。測試過程中，本文算法變化閾值η取值為0.5。

圖6為地毯劃痕破損圖像的修復結果。從圖6各算法的修復情況看，各算法都能對劃痕破損的圖像進行修復，且修復圖像的效果都較好。但對比各算法修復區可以發現，圖6(d)中含有不連續和劃痕殘留現象。圖6(f)中含有振鈴現象和間斷現象。圖6(h)中的修復效果相對較好，沒有劃痕殘留和間斷現象，僅有一處輕微模糊現象。花瓶遮擋破損圖像的修復結果如圖7所示。通過仔細觀察各算法的修復結果可知，圖7(c)中具有不連續和偽吉布斯效應，圖7(d)中具有塊現象和修復殘留現象，圖7(e)中僅存一處細小的振鈴現象。蘋果文字破損圖像的修復結果如圖8所示。通過比較各算法修復的圖像可見，圖8(c)中具有塊現象和間斷現象。圖8(d)中具有振鈴和文字殘留現象。圖8(e)中不具間斷和塊現象，僅具有些許修復不徹底現象。由此可見，本文算法的修復能力較強，修復的圖像紋理連接性較好，圖像的質量較高。因為本文算法將圖像的能量信息引入到優先權的計算過程，構造了優先權測量函數，有效避免了置信度項在趨于0時，對優先權值計算造成的錯誤影響，穩定、準確地獲取了待修復塊的優先權值。同時本文算法還通過SSD函數測量了圖像塊間的相似性，從已知區域中選取了與待修復塊相似性較佳的匹配塊以修復圖像，從而提高了本文算法的修復能力，使得本文算法修復的圖像具有更好的視覺效果和更高的質量。

圖6 地毯劃痕破損圖像的修復結果

圖7 花瓶遮擋破損圖像修復結果

圖8 蘋果文字破損圖像的修復結果

SSIM常用于作為修復圖像的數值測試指標，其值較大則說明圖像質量較好[21]。在此，以圖9所示的完整圖像為對象，對其實施不同程度的損壞，得到破損圖像。再借助各算法對這些破損圖像進行修復，并計算其對應的SSIM值，以測試各算法的修復能力。

各算法修復圖像的SSIM值測試結果如圖10所示。通過圖10可知，本文算法修復圖像的SSIM值較比對組較好。通過比較52%破損度圖像的修復結果可知，本文算法修復結果的SSIM為0.878，文獻[19]修復結果的SSIM為0.756，文獻[20]修復結果的SSIM為0.808。可見，本文算法的修復能力強于比對組算法。因為本文算法通過圖像的梯度模值信息，建立了梯度調節機制，對樣本塊大小與圖像的紋理信息進行了良好的匹配，根據圖像紋理的變化情況，選取了合適的樣本塊大小。另外，本文算法還通過像素點間的差異性，構造了相似懲罰因子，對置信度項進行了合理的更新，抵御了修復誤差的繁衍，從而提高了本文算法的修復能力。文獻[19]算法通過設定函數的方法，來抵御置信度值驟降引起的優先權計算錯誤，并利用Census變換和SSD函數結合以獲取最優匹配塊，完成圖像修復。由于該方法中計算優先權值時沒有考慮圖像的能量信息，而且該方法采用的樣本塊為唯一大小，因此使得其修復能力不佳。文獻[20]算法在利用正則化方法的基礎上，對優先權值的計算過程進行修正，并將平方誤差函數和絕對差函數進行結合，以求取最優匹配塊。這種方法采用固定大小的樣本塊來獲取最優匹配塊，無法滿足紋理變化的要求，而且這種方法直接采用置1的方法來更新置信度，使得修復誤差繁衍較為嚴重，從而降低了其修復能力。

在針對導致城市污染的各種問題進行分析的時候，會發現導致城市出現污染的各個原因大不相同。其中通過對實際情況進行分析，發現最嚴重的問題之一就是汽車的尾氣排放。在當前人們的日常生活質量和水平不斷提升，私家車的數量也在不斷增加，這樣就會導致石油的整個消耗量越來越大。汽車在日常行駛過程中，難免會出現嚴重的尾氣排放，尾氣的增多，勢必會直接導致生態環境遭受到嚴重的污染影響。

4 算法的應用與分析

儀表盤圖像是設計師與客戶間進行儀表盤選型的重要依據。由于設計師與客戶的空間關系，為了節約經濟與時間成本，設計師和客戶需要通過網絡傳輸儀表盤圖像，以實現選型溝通。但是在網絡傳輸過程中，會由于網絡的質量、圖像的壓縮以及接收方存儲介質的質量等問題，導致所獲取儀表盤圖像損壞，影響設計師與客戶間的選型交流，給產品的生產帶來質量不佳及效率低下的隱患。

因此，為了驗證本文算法的實用性，采用工業相機，對汽車儀表盤進行圖像采集，見圖11(a)，并在未知的網絡中，將其發送給用戶，在其傳輸期間，遭遇了(圖像數據丟失的)破壞，見圖11(b)。隨后，利用本文算法與其他兩種對照組技術實施復原，結果見圖11。觀察各算法的修復結果可見，圖11(c)中具有塊現象及不連續現象。圖11(d)中具有修復殘留及振鈴現象，而圖11(e)中僅具有一處輕微的塊現象。由此可見，本文算法對劃痕破損的儀表盤圖像具有較好的修復效果，修復的圖像視覺效果較好，有助于提高產品的生產質量和效率。

事實上，在中國白酒國際化的進程中，茅臺、五糧液等名優酒企從未停止過開拓海外市場的步伐，也為此付出了巨大的努力。但從整體來看，白酒不管從銷量、宣傳、認識度上都只占海外酒業市場上極其微小的一部分，以至于在海外酒業市場調查數據中有關中國白酒的數據和資料少之又少。這是因為即使有大企業去進軍海外市場的行為，但由于海外市場推廣的花費巨大，這些大企業充其量只是在海外宣傳了自身的品牌，讓海外酒業市場上多了自家產品的銷售，但并沒有真正將“中國白酒”這一品牌概念刻入海外消費者心中，沒能實質性地提高白酒的競爭力。綜上所述，大酒企并不能承擔起“大豬”這一角色。

糖果留在了姥姥家，我開始給一些報刊寫稿子，也參加一些女性論壇，參與一些公益活動。雙休日，我會跟偉翔去周邊的小鎮轉轉，過個浪漫的假日。

圖11 儀表盤劃痕破損圖像的修復結果

為了客觀評估所提算法在修復儀表盤圖像的優勢，以圖11(a)為樣本，對其施加不同程度的破壞，從而形成10副損壞圖像。再借助3種修復技術對其復原，并統計復原前后目標圖像的SSIM值，結果見表1。由表1發現，隨著損壞范圍增大，雖然三者修復圖像的SSIM值都處于逐步下降的情況，但是所提算法的穩定性最好，修復圖像對應的SSIM值也優于文獻[19]算法和文獻[20]算法修復圖像對應的SSIM值。即使對于大面積損壞(超過45%)的儀表盤圖像，利用3種修復技術對其修復后，所提算法的SSIM值仍可維持在0.85以上，遠高于另外兩種技術。當像素丟失比例達到50%時，所提算法的SSIM值為0.853，而文獻[20]的SSIM值為0.801，文獻[19]最低，僅為0.726。分析其原因為，所提算法在求取待修復塊的優先權值時，不僅將圖像的能量信息引入到了優先權值的計算過程中，使得優先權值的計算綜合了更多的圖像特征作為參考內容，而且還對優先權值的計算方法進行了改進，避免了置信度項在趨于0時，引起優先權值計算出錯的弊端，使得優先權值的計算更為準確，從而更為穩定和合理的獲取了優先修復塊。同時，為了適應圖像紋理的多樣性，所提算法還利用了能度量圖像紋理信息的圖像梯度特征，求取了圖像的梯度模值，建立了梯度調節機制，根據圖像梯度的變化情況，動態的調節樣本塊的大小，以確保獲取到的樣本塊大小，能匹配當下圖像紋理的特征，克服了修復過程中采用固定樣本塊大小，引起的紋理不適應性，避免了修復圖像出現塊效應和紋理間斷的問題。從而使得所提算法修復的圖像具有更好的視覺效果。另外，所提算法在采用了SSD函數，在圖像中全局搜索與待修復塊匹配度最高的圖像塊，用以作為最優匹配塊，對待修復塊進行修復，以避免修復圖像出現拼接痕跡和圖像內容不連續的現象。為克服被修復圖像塊邊緣的像素畸變性，提高被修復圖像塊邊緣與未破損圖像塊邊緣的銜接性，所提算法還利用了像素點的像素值構造了相似懲罰因子，用以降低像素點間的差異性，避免修復誤差的繁衍，增強了被修復塊與其相鄰塊連接處的光滑度，使得被修復圖像看起來更為自然，從而使得所提算法修復的圖像具有更高的SSIM值和質量。文獻[19]算法通過對置信度項添加權重因子的方法，來改進置信度項的計算過程，使得置信度項的計算值規避0值的出現，以此來抵御置信度值趨于0引起的優先權計算錯誤，并利用Census變換和SSD函數結合以獲取最優匹配塊，完成圖像修復。雖然該方法中改進的置信度項計算方法能夠規避置信度值趨于0引起的優先權計算錯誤，但由于該方法中計算優先權值時沒有考慮圖像的能量信息，使得優先權值的計算過程不能考慮圖像的整體特征，導致優先權值的計算準確性下降，且該方法未根據圖像的紋理特征調整樣本塊大小，使得該算法不能較好地適應圖像紋理的變化，從而使得該算法修復圖像存在塊效應和不連續效應，導致該算法修復效果欠佳，修復圖像的SSIM值不高。文獻[20]算法引入正則化因子和自適應系數，提出了一種改進的優先權值的計算方法，并采用平方誤差函數和絕對差函數求取待修復塊的匹配塊，最后利用優選權值計算過程中產生的自適應系數，來從所求取的匹配塊中篩選出最優匹配塊，用以對待修復塊進行修復。雖然該方法引入了正則化因子和自適應系數對優先權值的計算方法進行改進，但該方法在計算優先權值時沒有考慮圖像的結構和整體特征，不能較為準確的獲取優先修復塊，同時，這種方法雖然結合了自適應系數來獲取最優匹配塊，但在搜索待修復塊的匹配塊時，沒有根據圖像的紋理變化情況來調整樣本塊大小，使得修復圖像易出現畸變和紋理不連續等弊端。另外，該方法在更新置信度項時，沒有考慮像素點之間的差異性，使得修復誤差繁衍較為嚴重，易導致修復的圖像中出現振鈴效應和修復殘留效應，從而降低了修復圖像的SSIM值。

林露白也忘了郊區租好的那間小兩居，直到何文山打電話給她，說要給她換個窗簾，想要什么花色，有蘭花和梅花。

表1 3種算法修復儀表盤圖像的SSIM值統計結果

5 結束語

本文從求取優先修復塊、確定樣本塊大小、搜尋最優匹配塊和更新置信度項四部分出發，設計了能量信息耦合梯度調節機制的圖像修復算法。將能量信息與置信度和數據項組合，構造了優先權測量函數，抵御了由于置信度項趨于0而引起的優先權值計算錯誤，提高了優先權值計算的精準度，準確地獲取了優先修復塊。利用圖像的梯度模值建立了梯度調節機制，根據圖像的紋理變化情況，動態的調整樣本塊的大小，最終篩選出了與紋理結構相匹配的樣本塊大小。采用SSD函數搜尋了最優匹配塊。在像素點間差異性的基礎上，構造了相似懲罰因子，合理地更新了置信度項。通過實驗測試得知，本文算法修復的圖像不僅視覺效果較好，而且SSIM值較高，質量較好。