李張翼

摘要：針對(duì)古紡織文物模擬修復(fù)的應(yīng)用場(chǎng)合，提出一種基于紋理修復(fù)的優(yōu)化改進(jìn)算法。該算法利用矩陣值的結(jié)構(gòu)張量準(zhǔn)確估計(jì)圖像中的邊緣方向和變化強(qiáng)度，結(jié)合Criminisi修補(bǔ)算法，可以在原圖和修補(bǔ)區(qū)域之間的紋理連接上有更好的連續(xù)性。給出了該方法的具體步驟，通過(guò)實(shí)驗(yàn)證明該方法有更好的視覺(jué)效果。

關(guān)鍵詞：古紡織物；圖像修復(fù)；Criminisi；結(jié)構(gòu)張量

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(shù)字圖像處理對(duì)其進(jìn)行修復(fù)是安全并且快捷的。

目前圖像修復(fù)技術(shù)分為兩大類：一類是用于修復(fù)小尺度的數(shù)字圖像修補(bǔ)技術(shù)，如BSCB （Bertalmio，Sapiro， Caselles， Bellester）技術(shù)[1]Chan等人[2]提出的基于整體變分（TV）的修復(fù)算法和基于曲率驅(qū)動(dòng)擴(kuò)散模型【3】（CDD）的算法。該類算法在修復(fù)小尺度的破損圖像時(shí)有較好的修復(fù)效果，但在修復(fù)破損區(qū)域較大的圖像時(shí)，往往會(huì)產(chǎn)生模糊的現(xiàn)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(bǔ)全技術(shù)—基于紋理合成的圖像修復(fù)技術(shù)。該技術(shù)具有某種隨機(jī)性的2維模式的重復(fù)【4】，尤其是Criminisi等人【5】提出的基于樣本的圖像修復(fù)算法，通過(guò)優(yōu)先權(quán)的設(shè)定來(lái)使丟失區(qū)域的邊緣部分被優(yōu)先修復(fù)，取得了較好的修復(fù)效果。但在實(shí)際應(yīng)用中發(fā)現(xiàn)，Criminisi算法的優(yōu)先權(quán)模型并不能完全有效地將邊緣部分辨別出來(lái)，有時(shí)易將某些紋理部分誤認(rèn)為邊緣部分，影響了最終的修復(fù)效果。

針對(duì)這些不足，人們也從不同角度，對(duì)Criminisi算法進(jìn)行了修改。Nie等人【6】通過(guò)定義新的優(yōu)先權(quán)函數(shù)，克服了圖像低紋理區(qū)域修復(fù)過(guò)于滯后的問(wèn)題。

黃淑兵等人【7】通過(guò)增加邊界因素，并針對(duì)不同圖像選擇不同的參數(shù)，擴(kuò)大了可以修復(fù)的圖像范圍。林云莉等人【8】通過(guò)引入補(bǔ)償因子a以及加權(quán)系數(shù)y來(lái)改進(jìn)

優(yōu)先權(quán)，增強(qiáng)了對(duì)邊緣部分的修復(fù)，獲得了較好的效果。但上述文獻(xiàn)并沒(méi)有解決針對(duì)織物紋理修復(fù)時(shí)的連接痕跡和紋理擴(kuò)展問(wèn)題。在對(duì)古織物紋理修復(fù)時(shí)，織物后的背景會(huì)對(duì)修復(fù)效果有很大影響。

因此，本文通過(guò)在修復(fù)算法中加入結(jié)構(gòu)張量這一性質(zhì)，提出了基于結(jié)構(gòu)張量的Criminisi優(yōu)化算法，實(shí)驗(yàn)結(jié)果證明該方法可以提高對(duì)古織物圖像的修復(fù)效果。

2 針對(duì)古織物圖像修復(fù)的改進(jìn)算法

2.1 Criminisi算法原理

如圖1所示，[I]為待修復(fù)的圖像，待修復(fù)區(qū)域?yàn)閇Ω]，源區(qū)域?yàn)閇φφ=I-Ω]，其待修復(fù)區(qū)域邊界定義為[?Ω]。Criminisi算法的核心是分別計(jì)算[?Ω]上各點(diǎn)的優(yōu)先權(quán)，選取優(yōu)先權(quán)最大點(diǎn)[P]所在的塊為待修復(fù)塊[?]p，然后根據(jù)相似度函數(shù)在源區(qū)域巾中選擇最佳匹配塊[?]q，將相應(yīng)的像素值填充到待修復(fù)塊[?]p[??]q，中，并更新邊界[?Ω]，循環(huán)往復(fù)直到[Ω]為空。

4 結(jié)束語(yǔ)

原Criminisi算法在匹配最佳模塊時(shí)，過(guò)分的考慮的顏色信息，因此在規(guī)則紋理的修復(fù)上由較大的視覺(jué)出入和不連續(xù)性，本文加入了結(jié)構(gòu)張量這一結(jié)構(gòu)特性使其能夠在規(guī)則紋理的修復(fù)上由較好的效果，經(jīng)過(guò)大量實(shí)驗(yàn)驗(yàn)證，該方法在針對(duì)殘損古織物圖像的修復(fù)上有更好的修復(fù)效果。

參考文獻(xiàn)：

[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?wèn)|，張紅英，吳斌.數(shù)字圖像修復(fù)技術(shù)山[M].北京：科學(xué)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(fù)算法[J].計(jì)算機(jī)應(yīng)用研究， 2009，26（5） ：1991-1996.

[7] 黃淑兵，朱曉臨，許云云.一種改進(jìn)的基于紋理合成的圖像修復(fù)算法[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版2011，34（2） ：313-320.

[8] 林云莉，趙俊紅，朱學(xué)峰，等.改進(jìn)的紋理合成圖像修復(fù)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2010，27（10）：11-12.

[9] 劉奎，蘇本躍，趙曉靜.基于結(jié)構(gòu)張量的圖像修復(fù)方法[J].計(jì)算機(jī)應(yīng)用，2011，31（10）：2711-2713.