拓扑梯度耦合FCMC的全自动图像修复优化算法

目的 当前图像修复算法的损坏区域大都是依靠人工来确定， 难以自动鉴定损坏区域， 使其修复效率较低。此类算法通过利用像素缺失区域的间断边缘来完成填充， 导致重构图像视觉间断，且都是依赖随机修复路径， 增加了算法时耗。提出拓扑梯度最小重构路径耦合 FCMC（FuzzyC-mean Clustering）的全自动图像修复算法。 方法 基于图像损坏区域与完好区域之间的性质差异，引入模糊 C 均值（FCMC）， 通过损坏区域的聚类中心与各像素之间的距离来计算隶属度函数， 设计基于 FCMC 的损坏区域自动鉴定算法， 以自动识别待修复区域； 再嵌入拓扑梯度， 定义像素缺失区域的关键点选择规则， 建立权重距离函数， 得到像素缺失区域的连续轮廓， 设计最低修复路径成本方案， 完成图像重构； 以PSNR（Peak Signal to Noise Ratio）为评估指标， 构造图像修复反馈机制， 优化修复图像。结果 仿真结果显示： 与当前图像修复算法相比， 该算法可自动鉴定图像像素缺失区域，能够提取像素缺失区域的连续轮廓。同时， 具有更好的修复视觉效果与更高的修复效率， 重构图像不存在模糊与视觉不连通。结论 提出的算法能够实现图像的全自动修复， 可提高修复图像质量与效率。