基於多視圖流行低秩表示的受損圖像修複方法
2023-11-01 13:45:32 1
基於多視圖流行低秩表示的受損圖像修複方法
【專利摘要】基於多視圖流行低秩表示的受損圖像修複方法，針對受損圖像進行以下操作：首先，提取受損圖像的多類型特徵，獲得受損圖像的多視圖表達；然後，構建並利用多視圖流行保持受損圖像的不同局部幾何結構，對受損圖像進行低秩矩陣分解，得到圖像的多視圖低秩表示和受損矩陣表示；最後，基於集成多視圖低秩表示對受損圖像進行修復，得到完整的原始圖像。本發明的優點在於：充分考慮了受損圖像的多視圖補償信息以及局部流行結構特徵，能更好地恢復清晰而完整的原始圖像，更有效地提高用戶的視覺體驗度，可應用於生物、醫學和遙感探測等領域的圖像修復。
【專利說明】基於多視圖流行低秩表示的受損圖像修複方法
【技術領域】
[0001]本發明涉及受損圖像修復的【技術領域】，特別是基於多視圖流行低秩表示的受損圖像修複方法。
【背景技術】[0002]隨著數字圖像捕獲設備廣泛應用於生物、醫學、文物保護和遙感探測等領域，並在人們的日常生活中大量普及，使得無時不刻都在產生記錄各種類型的圖像數據。圖像作為傳達信息的媒介，因其能直觀明了地呈現豐富的內容，日益佔據著人類生產生活的重要部分。因此，研究和發展圖像技術在推動人類文明進步的歷程中必將產生深遠的影響。
[0003]在現實生活和應用中，人們捕獲盒保存圖像的過程常會受到各種外界的幹擾，如野外拍攝動物時會有樹葉遮擋、醫學影像會有電磁波幹擾、遙感探測中會受到大氣擾動的影響等等。這些幹擾在一定程度上將使捕獲的圖像受損，從而減弱了人們對圖像的視覺效果。因此，對受損圖像進行修復，提高和改善視覺體驗度，是非常具有潛在價值和現實意義的研究課題。
[0004]目前，受損圖像修復集中在傳統的數字圖像處理領域，主要方法有基於紋理合成的方法和基於偏微分方程的方法，涉及小波分析、傅立葉變換、離散餘弦變換和神經網絡等技木。這些傳統方法在數據量少的情況下能取得很到的效果，但是當圖像數據的數量很大時，統計學習的方法不管在修復效率還是修復質量上，都具有更為明顯的優勢。典型的用於圖像修復的統計機器學習方法有低秩矩陣分解、壓縮感知和非負稀疏表達等等。而本發明中利用圖像的多視圖表達及流行結構的特徵進行圖像修復則是較為前沿的修復技木。
【發明內容】
[0005]為了移除受損圖像中的噪聲或遮擋物，增強用戶對圖像的視覺體驗效果，本發明提出了一種基於多視圖流行低秩表示的受損圖像修複方法，該方法包括以下步驟:
[0006]1、獲取含有多種受損情形的圖像庫後，針對受損圖像進行以下操作:
[0007]I)從不同角度(如色彩、形狀、紋理等)提取受損圖像的多類型特徵，並得到包含K類特徵的集合f={f\，…，fk}，獲得受損圖像的多視圖表達；
[0008]2)構建並利用多視圖流行保持受損圖像的不同局部幾何結構，對多視圖受損圖像進行低秩矩陣分解，得到多視圖低秩表示和受損矩陣表示；
[0009]3)基於集成多視圖低秩表示對受損圖像進行修復，從而得到完整的原始圖像。
[0010]進ー步，步驟I)中所述的受損圖像的多視圖表達，具體是:
[0011]I)將n幅受損圖像縮放為同等大小，每幅受損圖像用d維的向量表示，則所有受損圖像可表示為ー個原始像素矩陣B e Rdxn5
[0012]2)從色彩、形狀和紋理等角度對受損圖像提取K種特徵，每種特徵對應ー個視圖，如果受損圖像的第V種特徵具有Hlv維，那麼全部受損圖像的第V個視圖用數據矩陣Iパ表示，這樣，全部受損圖像數據的多視圖表達按列存放為矩陣V=LV1 ;…；Vk] G RmXn，其中
【權利要求】
1.基於多視圖流行低秩表示的受損圖像修複方法，該方法的特徵在於獲取含有多種受損情形的圖像庫後，針對受損圖像進行以下操作: 1)從不同角度(如色彩、形狀、紋理等)提取受損圖像的多類型特徵，並得到包含K類特徵的集合f={f\，…，fk}，獲得受損圖像的多視圖表達； 2)構建並利用多視圖流行保持受損圖像的不同局部幾何結構，對多視圖受損圖像進行低秩矩陣分解，得到多視圖低秩表示和受損矩陣表示； 3)基於集成多視圖低秩表示對受損圖像進行修復，從而得到完整的原始圖像。
2.如權利要求1所述的基於多視圖流行低秩表示的受損圖像修複方法，其特徵在於:步驟I)中所述的受損圖像的多視圖表達，具體是: 1)將n幅受損圖像縮放為同等大小，每幅受損圖像用d維的向量表示，則所有受損圖像可表示為ー個原始像素矩陣B G Rdxn ； 2)從色彩、形狀和紋理等角度對受損圖像提取K種特徵，每種特徵對應ー個視圖，如果受損圖像的第V種特徵具有mv維，那麼全部受損圖像的第V個視圖用數據矩陣I"*+.SiT'*ヾ:表示，這樣，全部受損圖像數據的多視圖表達按列存放為矩陣V=LV1 ；…；VK] g RmXn，其中+to =為多視圖表達的數據維度。
3.如權利要求2所述的基於多視圖流行低秩表示的受損圖像修複方法，其特徵在於:步驟2)中所述的構建並利用多視圖流行保持受損圖像的不同局部幾何結構，具體是: 1)數據的流行反映了數據的本徵結構，一般通過拉普拉斯矩陣表示，對受損圖像的不同視圖構建基於P近鄰的拉普拉斯矩陣L可反映其不同的局部結構； 2)設第V個受損圖像視圖上對應的鄰接權重矩陣為Wv，第V個視圖的所有受損圖像可看做ー個圖，每幅圖像看成圖的頂點，對第V個視圖中的任意一幅圖像Xi，根據歐氏距離在整個視圖中搜索它的P個鄰居圖像，在它們之間建立一條邊並賦予它們之間的權重為1，即 =む其中j代表Xi的鄰居索引，若兩點之間無邊，則權重設為O ; 3)根據鄰接權重矩陣Wv計算對角矩陣Dv，該矩陣對角線上的元素值為Wv對應列元素的累加和，* I;叩I，這樣，第V個受損圖像視圖對應的流行為じ=Dv-Wv ； 4)根據上述方法可以此構建受損圖像多個視圖對應的多個流行。
4.如權利要求3所述的基於多視圖流行低秩表示的受損圖像修複方法，其特徵在於:步驟2)中所述的對多視圖受損圖像進行低秩矩陣分解，具體是: 1)假設受損圖像的每個視圖均可分解為無損部分(即清潔的圖像)和受損部分(如噪聲或遮擋等)，對第V個視圖Vv，可分解為無損部分YT和受損部分ERr'^ %.其中Zv G Rmxn是對應的低秩表示； 2)考慮到每種視圖反映原始受損圖像的程度不同，賦予第V個視圖Vv的權重為ev，從而充分利用多個視圖提供的相互補償信息，通過對受損圖像多視圖流行做低秩矩陣分解可求得對應的低秩表示Z=LZ1 ；…；ZK] G RKnXn和受損表示矩陣E=LE1 ；…；Ek] g Rmxn，即求解以下目標函數
5.如權利要求4所述的基於多視圖流行低秩表示的受損圖像修複方法，其特徵在於:步驟3)中所述基於集成多視圖低秩表示對受損圖像進行修復，具體是: 1)基於上述步驟獲得的受損圖像對應的多視圖低秩表示矩陣Z=LZ1；…;zx]及其相應的權重向量Q=Le1,…，eK]，計算權重線性組合
【文檔編號】G06T5/00GK103559683SQ201310438772
【公開日】2014年2月5日 申請日期:2013年9月24日 優先權日:2013年9月24日
【發明者】卜佳俊, 李平, 王哲, 陳純, 何佔盈 申請人:浙江大學