英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

本科生毕业论文(设计)

文献翻译

英文题目 Image inpainting algorithm based on TV model and evolutionary algorithm

中文题目 基于TV模型和改进的图像修复算法

基于TV模型和改进的图像修复算法

摘要：随着现代图像处理技术的发展，图像的网络处理速度增加了很多。作为视觉传达的新形式，图像广泛应用于网络传输。然而，在传输过程中图像信息可能会丢失。因此我们才要研究如何恢复图像，使之完整同时以有效和高效的方式挽救网络带宽。目前主要有两种方法

用于数字图像恢复，基于纹理的方法和非纹理的方法。在基于纹理的方法中，Criminisi算法是广泛使用的算法。但是，这种算法搜索效率低下、需要匹配补丁是Criminisi的两个主要限制。为克服这些缺点，在本文中，基于改进算法的思想被提出。在非纹理化方法中，总计

变异法是一种典型的算法。在改进算法中，扩散系数定义为损坏的像素与其之间的距离和方向邻域像素。实验结果表明，提出算法在图像中具有更好的性能。这两种新算法可以改进网络冲浪的经验，减少网络通讯费用。

关键字：图像完成、示例、进化算法、网络

1. 简介

如今，在网络通信越来越发达的时代，许多图像通过网络传输。但同时它带来了巨大的网络压力，特别是带宽。因为带宽的限制，一些图像的信息会在传播过程中丢失。通常人们会选择重新传输图像，这对网络带宽造成了很大的压力。因此，完整的传输图像已经成为提高网络通信的重要组成部分。该图像完成的目的是填补遗漏的信息与其他部分的信息。

有两类图像保持的方法。一个是使用基于纹理的图像完成技术以恢复纹理图像中的区域。 Criminisi算法是一个基于示例的图像完成算法。该算法胜在感知质量和计算效率。最近有许多基于Criminisi算法的研究。张先生等人（2011）提出了一种快速图像修复算法，通过定义广场邻里区域损坏的地方作为搜索区域。谢先生等（2013）提出使用亮度信息的图像修复算法，通过计算损坏的补丁和匹配补丁之间的变化和空间距离，来确定新的匹配标准。减少不匹配的可能性，使用阈值来获取。虽然Criminisi算法有较好的效果，仍然有一些限制。首先，

优先权的数据项将迅速下降为零。这种现象使计算变得不可靠。此外，算法很难搜索整个图像区域以找到合适的纹理部分，全部搜索非常耗时；更重要的是，在整个搜索过程中，模板窗口的大小是固定的。为了克服这些缺点，我们提出了一种新算法（EA算法），提高了优先级损伤区域和搜索匹配块的方法基于进化算法的Criminisi算法。

另外一种图像修复技术是基于差分方程（PDE）的修复方法。它是（TV）模型。虽然很合适对于较小的受损面积，这种技术的局限性是当目标的纹理是丰富的，它很难得到理想的效果。在本文中，我们提出另一个基于非纹理TV模型的改进算法。由于损坏的区域没有信息可以使用，TV模型使用各向异性扩散。在大多数情况下，损坏点远比近点更近。如果远点太频繁使用，会增加迭代次数和错误累计。所以我们为每个邻居点设置适当的权重增加近点的影响。实验结果表明，我们的算法更好的完成了修复。如果一个图像得到使用我们的算法在网络传输过程中损坏修复图像将使用户的图像非常接近到原来的，用户不需要要求重传

的图像。所以我们的算法是非常的有助于减少网络通信带宽需求。这些算法减少了网络传输，也更为有效。

二、EA模型概述

EA模型是一种全局优化方法，它是自适应的启发式算法。 它是利用生物进化的模拟解决优化问题。 EA模型是由密歇根大学教授20世纪60年代初提出的， 特别适合处理非常复杂的非线性问题。 它通常可以用于QoS路由（Pan et al。1998），优化网络的动态流量，优化网络的缓存大小。 一般来说，EA模型有以下属性：

（a）EA模型对解决方案空间有间接影响，一种是代码用于呈现解决方案空间；

（b）EA模型开始搜索一个群体，即多个点，而不是一个点; 这是其中的主要原因之一，

因为EA可以找到全局最优解的最高概率；

（c）不需要自适应信息（即客观的功能）的解决方案，并保持平衡来增加收入并降低成本。尽管如此，传统的搜索算法通常需要导数和其他辅助信息；

（d）EA模型的转移规则是随机的而不是确定性的。

三、基于EA模型的示例

在网络通信中，图像处理已成为重要的一部分，由于网络的不稳定，图像信息在传输后存在丢失的可能性。如果这种情况发生了，发件人通常必须再次传送完整的图像。那么它会浪费大量的网络资源。所以在目的地的图像重建是显着地用于网络中的图像通信。由于许多图像可以被认为是网络中的示例图像，在本节中，我们提出了一种改进的基于EA的算法图像重建。这个算法可以证明重建效果并节省网络的有效资源。

3.1计算补丁优先级

如图1所示，代表有破损的图像区域，边缘部分定义为，代表不同区域边界处的某一个像素点，是一个样本块，并且以点为中心，为完好区域中的样本块，是点的法向量，是的等照度线方向。 Criminisi算法的优先级被定义为两个术语的产物：，

其中为置信度，代表点为中心样本块在整个待修复破损区域中所占的比重，置信度越大表示优先权越高，即该样本块中包含有的完好区域的信息多，应该优先修补；为数据项，代表的是破损部分的结构特征，同样数值越大优先权越高，线性结构也越强，应该优先修补。具体公式如下： ，，

其中Ix和Iy分别指的是偏微分p在x方向和y方向上。但是，作为填充和模板的选择

补丁不准确，数据项值将迅速下降到零。 这导致错误的填充顺序并影响修复效果。此外，如果损坏的图像具有复杂的纹理特征，Criminisi算法无法获得良好的效果。因此，为了提高计算的优先级准确性，我们定义优先级函数如下：

其中置信项C（p）的定义相同，作为Criminisi算法，数据项D（p）定义如下：

其中nabla;Ip是p的梯度方向，是当p等于3/2时的拉普拉斯算子。 这个数据字词填充顺序考虑到纹理特征在等高线方向和梯度。 3是权重值，因为数据项表示结构包含在p中，它应该拥有很大一部分的优先功能。

3.2样本块窗口的大小

为了搜索整个地区的最佳补丁，Criminisi算法使用默认窗口大小。 这个算法忽视某些区域的损坏区域的信息，这个事实会减少算法速度和完成效果。 因此，在本文中提出了一个确定模板窗口大小的一个新的方法。 在不同的区域，窗口大小是需要调整的。图像中的高频区域纹理信息的结构丰富，而低频区域相比比较平滑。 所以，在高频区域，一个较小的模板可以选择获取图像的细节。 在低频选择较大的模板来加速算法的速度。 由于梯度反映了频率的变化，样本块窗口的大小定义如下：

其中w（p）表示模板窗口的大小，|nabla;I p |是p的梯度。

3.3搜索最佳匹配块

一旦发现了具有最高优先级的补丁，Criminisi算法在源区域中进行搜索补丁最相似于，然后填写中的未知点与中的对应点。和之间的关系定义如下：

其中，是待修复区域的样本块，表示样本是图像没有破损的，表示这两个像素块与之间灰度差值的平方和（SSD）。

然而，该算法忽略了局部的相似性并且耗时，也就是说在完成算法中非常重要。此外，在Criminisi算法，大部分时间都用于搜索不相关的区域。 因此，在本文中，我们将源区域定义为受损区域附近扩张区域。 带宽为40像素。同时，EA模型用于在源区搜索最佳补丁。 这种方法可以保证修复效果和提高搜索效率。

3.4我们提出的图像修复算法概述

根据前面各节的分析，根据基本情况改进的图像完成算法中的步骤如下：

步骤1：确定目标区域，并且手动指定用户的颜色；

步骤2：提取填充的目标区域，然后根据优先级计算补丁优先级，我们提出的在目标区域的边界，从这些补丁中以一个点为中心，这时，每个补丁的大小相同；

步骤3：我们得到一个具有最高优先级的点P，生成以p为中心的模板窗口，模板窗口由点的渐变信息指定。然后在源区域，我们使用EA模型来搜索最优补丁，最后，我们复制来自相应信息填补未知数像素的信息；

步骤4：补丁找到最大优先级为止开始填充，那些刚刚被填充的像素的位置从目标区域到源区域的变化。我们基于公式及时更新置信度值。

步骤5：缺损值更新后，我们得到一个新的填充面。 如果边界上的像素数不等于零，那么我们重复步骤2到步骤4，直到所有未知像素已被填充。

3.5实验结果与比较

以上内容介绍了我们提出的算法的优点，通过用MATLAB软件工具来模拟和比较该算法和Criminisi算法。 所有实验在具有1 G RAM的1.6 GHz Pentium E上运行。 如图所示，在图中，改进算法的目标区域建议填充绿色。

图2和图3显示了新算法的结果比Criminisi的结果好得多。由图可以看出，提出的新算法不会引入错误匹配，而Criminisi算法可以产生错误匹配，如图所示，图2C中的竹子在图3c坏了，竹子通过提出的算法是连续的。视觉上提出的新算法的结果更接近于原始算法的图片。表1显示了Criminisi的时间消耗。可以看到提出的新算法的时间小于Criminisi算法的时间。图4a，b是图像1的网络流量的分别重传和重建。假设横坐标是时间索引i，纵轴表示每个时间间隔内的接收数据量T。从上图可以看出，网络流量的重传大于重建。因为在目的地重建图像，而不是重新发送。在网络中，重建可以有效的减少网络交通。而且，通信时间可以保证，因为图像不需要重新传输。

图2

图3

四、基于整体变分模型的图像恢复方法

随着网络技术的发展，越来越多自然图像可以在网络通信中找到。这些图像的信息对人们更重要。如果这些图像的一些信息丢失，发件人必须再次转发他们，同时它将再次使用网络资源。在本节中，我们提出了一种改进基于自然总变异模型的图像重建的算法，该算法可以证明重建效果并有效降低网络流量。

改进的算法的优点在于用MATLAB软件工具引入模拟和比较该算法和TVmodel算法。所有的实验都是运行在具有1 G RAM的1.6 GHz Pentium E上。目标区域的改进算法我们

建议填充白色。图4和图5显示了改进算法的结果比TV模型算法的结果更好。TV模型算法存在明显的缺陷，该算法修复后存在一些虚假的边缘。

1. 总结

由于网络带宽的限制，图像在传输的过程中往往会出现信息丢失的情况。大多数时候，传输的图像是只是丢失了一小部分信息，所以我们可以在目的地重建它然后是其受到比较完整的图像。有了这个重建，网络带宽就可以节省。我们提出了基于EA的算法的改进模型用于以上给出的示例图像完成。该第一个是完成纹理图像，第二个一个用于非纹理图像。在Criminisi算法的基础上，我们的算法使用图像的方向信息，比如等高线和梯度来重新定义优先级功能。并根据我们确定样本块窗口的大小来描述图像的特点。同时我们介绍基于EA模型的搜索方法。实验结果证明我们提出的新的算法胜过Criminisi算法，在感知质量和计算方面效率上有了一定的改进。在TV模型算法的基础上，为了提高区分附近点的效果，我们设定了根据其相关性对相邻点进行加权与目标点。实验结果表明改进的新算法优于传统的TV模型算法。因为新算法的目的是在目的地重建图像而不是在网络中重传，重建可以有效降低网络流量。此外，通信时间因为图像而被保存所有不需要重传。通常提出的新的修复算法可以减少网络流量，同时可以有效的节省带宽。以上实验考虑到了损坏的图像的集中损害的特点。如果在一张图像中有多重损害，我们可以首先分开每个缺损区域，然后使用算法逐个的重建每个缺损区域。因此，以上提出的两种算法也适用于缺损部分比较多的图片。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27197]，资料为PDF文档或Word文档，PDF文档可免费转换为Word