16、从模糊图像中恢复丢失信息的图像修复方法

从模糊图像中恢复丢失信息的图像修复方法

1. 图像修复概述

图像修复是获取所需图像信息的重要技术，其应用场景广泛，涵盖音频恢复、视频修复、红外图像清理以及红眼去除等领域。常见的图像修复方法主要有基于结构的修复和基于纹理的修复。

• 基于结构的修复 ：利用偏微分方程进行修复，将图像的结构层作为输入，通过提取像素的发光分量计算张量值，进而计算感兴趣区域（ROI），并将其应用于待修复的图像部分。不过，这种方法存在图像模糊的缺点。
• 基于纹理的修复（示例法） ：将图像划分为多个小块，使用贪心算法获取多个待修复的小块，计算待修复小块的优先级值以确定修复方式，能得到较清晰的图像，但在处理像素不连续性方面存在一定困难，修复误差相对较大。

为了改进修复算法，还出现了基于全局的修复方法，该方法调整或更新小块相似度和小块优先级度量等组件，通过移除特定小块，为每个小块的节点分配先验值，从而找到待修复的目标或缺失区域。此外，基于马尔可夫随机场（MRF）的修复方法，通过获取包含图像信息的小块节点，利用信念传播（BP）算法为每个节点分配优先级，并为节点分配标签，以此确定待修复小块的值。

2. 相关工作

• 各向异性扩散修复算法 ：以图像为源空间，通过应用各向异性扩散滤波器去除图像中的模糊或噪声。该滤波器在图像噪声部分应用边缘停止函数获取梯度值，使图像平滑。然而，此算法无法修复高强度图像，且在完全去除噪声时无法保留待修复部分的边缘。
• 基于图割示例的修复算法