基于图像结构纹理分解及局部总变分最小化的图像修复模型

摘要 在基于样例的图像修复算法中，由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰，导致修复顺序错乱；而在搜索最优匹配块时，因忽略了图像块内部的结构影响，可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先，根据对数总变分最小化模型，将待修复图像进行结构-纹理分解，得到图像的结构分量，并利用图像的结构分量来计算待修复点优先权，使优先权的计算排除局部纹理干扰而更具鲁棒性；其次，将优先权的计算改进为数据项和置信项的加权和，避免了乘积效应，确保数据项一直发挥作用，减少因修复顺序不合理造成的错误匹配；最后，根据图像的局部总变分最小化原则，将图像块的最优匹配转换为0-1优化问题，确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明，峰值信噪比（PSNR）提高了1.12~3.56 dB，结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则，具有更强的保持图像局部结构一致性的能力，改善了修复图像的视觉效果，适用于复杂结构的大面积毁损的图像的修复