針對古織物圖像的改進Criminisi修復算法

李張翼

摘要：針對古紡織文物模擬修復的應用場合，提出一種基于紋理修復的優化改進算法。該算法利用矩陣值的結構張量準確估計圖像中的邊緣方向和變化強度，結合Criminisi修補算法，可以在原圖和修補區域之間的紋理連接上有更好的連續性。給出了該方法的具體步驟，通過實驗證明該方法有更好的視覺效果。

關鍵詞：古紡織物；圖像修復；Criminisi；結構張量

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2016）26-0193-03

Improved Criminisi Repair Algorithm For Ancient Fabric Images

LI Zhang-yi

（School of Electronic and Information， Xian Polytechnic University， Xian 710048， China）

Abstract： Aiming at the restoration of cultural relics of the ancient textile simulation applications， put forward a kind of improved algorithm based on Optimization of texture repairing. The algorithm using the value matrix of the structure tensor accurate estimation image edge direction and intensity change， criminisi algorithm for repairing the combination， can be connected with a better continuity of texture between the original image and the repair area. Given the specific steps of the method， through experiments prove the method has a better visual effect.

Key words： ancient textile fabrics； image restoration； Criminisi； structure tensor； local matching

1 引言

由于古織物文物本身的易損性和珍貴性，利用數字圖像處理對其進行修復是安全并且快捷的。

目前圖像修復技術分為兩大類：一類是用于修復小尺度的數字圖像修補技術，如BSCB （Bertalmio，Sapiro， Caselles， Bellester）技術[1]Chan等人[2]提出的基于整體變分（TV）的修復算法和基于曲率驅動擴散模型【3】（CDD）的算法。該類算法在修復小尺度的破損圖像時有較好的修復效果，但在修復破損區域較大的圖像時，往往會產生模糊的現象，因古織物破損情況的多樣性，以上方法并不適用于此。 另一類是用于填充圖像中大塊丟失信息的圖像補全技術—基于紋理合成的圖像修復技術。該技術具有某種隨機性的2維模式的重復【4】，尤其是Criminisi等人【5】提出的基于樣本的圖像修復算法，通過優先權的設定來使丟失區域的邊緣部分被優先修復，取得了較好的修復效果。但在實際應用中發現，Criminisi算法的優先權模型并不能完全有效地將邊緣部分辨別出來，有時易將某些紋理部分誤認為邊緣部分，影響了最終的修復效果。

針對這些不足，人們也從不同角度，對Criminisi算法進行了修改。Nie等人【6】通過定義新的優先權函數，克服了圖像低紋理區域修復過于滯后的問題。

黃淑兵等人【7】通過增加邊界因素，并針對不同圖像選擇不同的參數，擴大了可以修復的圖像范圍。林云莉等人【8】通過引入補償因子a以及加權系數y來改進

優先權，增強了對邊緣部分的修復，獲得了較好的效果。但上述文獻并沒有解決針對織物紋理修復時的連接痕跡和紋理擴展問題。在對古織物紋理修復時，織物后的背景會對修復效果有很大影響。

因此，本文通過在修復算法中加入結構張量這一性質，提出了基于結構張量的Criminisi優化算法，實驗結果證明該方法可以提高對古織物圖像的修復效果。

2 針對古織物圖像修復的改進算法

2.1 Criminisi算法原理

如圖1所示，[I]為待修復的圖像，待修復區域為[Ω]，源區域為[φφ=I-Ω]，其待修復區域邊界定義為[?Ω]。Criminisi算法的核心是分別計算[?Ω]上各點的優先權，選取優先權最大點[P]所在的塊為待修復塊[?]p，然后根據相似度函數在源區域巾中選擇最佳匹配塊[?]q，將相應的像素值填充到待修復塊[?]p[??]q，中，并更新邊界[?Ω]，循環往復直到[Ω]為空。

4 結束語

原Criminisi算法在匹配最佳模塊時，過分的考慮的顏色信息，因此在規則紋理的修復上由較大的視覺出入和不連續性，本文加入了結構張量這一結構特性使其能夠在規則紋理的修復上由較好的效果，經過大量實驗驗證，該方法在針對殘損古織物圖像的修復上有更好的修復效果。

參考文獻：

[1]BertalmioM.，SaPiroG，CasellesV andBallesterC.Image inpainting.In：Proceedings of ACMSIGGRAPH200O.Newyork：ACMPress，2000：417.

[2]Chan F T， Shen J H. Variational Image Inpainting[EB /0L ].http：//www. math. Uclaedu/一imagers/htmls/ inp. html， 2004.

[3]Chan T F and Shen J H.Mathematical Models for Local Non-Texture Inpainting.SIAMJ.APPLMath， 2001，62（3）：1019-1043.

[4]吳亞東，張紅英，吳斌.數字圖像修復技術山[M].北京：科學出版社，2010：78.

[5] Criminisi A， Perez P， and Toyama K.Region filling and object removal

Byexemplar-based image inpainting. IEEE Transactions on Image processing， 2004，13（9）：1200-1212

[6] 聶棟棟，馬勤勇，馬利莊.新搜索策略下的快速圖像修復算法[J].計算機應用研究， 2009，26（5） ：1991-1996.

[7] 黃淑兵，朱曉臨，許云云.一種改進的基于紋理合成的圖像修復算法[J].合肥工業大學學報：自然科學版2011，34（2） ：313-320.

[8] 林云莉，趙俊紅，朱學峰，等.改進的紋理合成圖像修復算法[J].計算機應用與軟件，2010，27（10）：11-12.

[9] 劉奎，蘇本躍，趙曉靜.基于結構張量的圖像修復方法[J].計算機應用，2011，31（10）：2711-2713.