过度曝光图像缺失信息修复算法

收稿日期：2015-09-29 作者简介：杜永强（1980-），男，贵州贵阳人，硕士研究生，讲师，研究方向：图形图像处理和多媒体技术。
第8期
杜永强 . 过度曝光图像缺失信息修复算法
147
的像素值进行小波包特征尺度分解，把过度曝光 图像从 RGB 空间转化为 Lab 颜色空间，实现图像 的灰度索引和修复，然而该算法对采集模糊的图 像的修复效果不好，随着光圈的增大，对细节信 息的修复效果差[6-8]。针对上述问题，本文提出一 种基于改进的小波包分解的过度曝光图像缺失 信息修复算法，首先构建了过度曝光图像的纹理 信息特征传导模型，采用 Harris 角点检测算法实 现对过度曝光图像的灰度特征匹配，采用小波包 分解方法对图像缺失信息进行位置和尺度信息 的重构，实现缺失信息修复，仿真实验结果证明， 采用改进的算法进行图像修复，相比传统的修复 方法具有一定的优势。
éΔxù ëêΔyûú
（2）
[ ] 其中，∇I = Ix Iy T ，x,y ∈ (0,1,…L-1)，分别是
过度曝光图像的固有模态函数空间梯度值。求
得原图各分量的图像纹理结构信息，为：
∑∑ ∑∑ c(x,y) = [Δx
é
Δy]êê
ë
I2
Wx
W IxIy
WWIIxyI2yùûúú
éΔxù ëêΔyûú
pright, oright
dud = (xnr - xnl)/4
>
s
tan
dlr
ï ïynup ï
=
ìy + y y nup
pup, oup
íîy , nup 其他
>
s
tan
dud
ïïyndown î
=
ìíîyynnddoowwnn,-其y他pdown,
y odown
>
s
tan
dud
（7）
其中 x , x , y , y oright oleft oup odown 为过度曝光图像修复
P(xt|xt - 1, xt - 2, ∙∙∙, x1) = P(xt|xt - 1, xt - 2, ∙∙∙, xt - n) ，得 到
（3）
调整模板大小及中心，得到过度曝光图像的
信息传导函数为：
p(x,
t)
=
lim
Δx → 0
[σ
u
-
(u + Δx
Δu)
]
=
-σ
∂u(x, ∂x
t)
（4）
上式中，σ 表示为仿射型马尔可夫的信息矢
量密度，Δx 表示图像的边缘分割的状态中心，
Δu 表示窗口幅度系数。利用多样本块进行图像
修复，假设过度曝光图像假设沿梯度方向的角点
Abstract：Image in excessive exposure the acquisition because of the aperture of the amount of light
causes the image details the key information is missing, the excessive exposure the missing information
目标颜色相似的影响因素时，获取的图像完好区
域特征可表示为：
ìïïïsxntlaeftn=dìíîlrxx=nnll(eeffytt,-n其upx-他pleyft,nxdoowlenft)/>4s tan dlr
ï ïïxnright íïs tan
ìx + x x nright = íîx , 其他 nleft
features of the image are matched. The location and scale information of the image is reconstructed by
wavelet packet decomposition method.
Keywords：image；exposure；aperture；wavelet analysis；repair
中图分类号：TP391
文献标识码：A
文章编号：1001-7119（2016）08-0146-04
Algorithm for Restoration of Missing Information in Over Exposure Image
Du Yongqiang
（Faculty of Information Engineering，Guizhou Institute of Technology，Guiyang 550000，China）
1 过度曝光图像的纹理信息特征传 导模型及图像预处理
1.1 过度曝光图像的纹理信息特征传导模型 经过建立过度曝光图像纹理信息特征的传
导模型，把图像中有价值的信息进行纹理分割和
特征分区，采用细节特征分解和小波包重构方法
进行图像修复，假设过度曝光图像角点分布均匀
的二值多维图像，图像点局部自相关函数为：
∑ c(x,y) = W[I(xi,yi) - I(xi + Δx,yi + Δy)]2 （1）
0 引言
大，针对上述问题，有关文献实行了算法优化设 计 ，其 [2,3] 中，文献[4]提出一种基于真彩色 RGB 图
研究过度曝光图像的缺失信息修复算法，为 图像的细节特征分析奠定基础，相关算法研究受 到人们的重视 。 [1] 传统方法中，对过度曝光图像 的缺失讯息修复方法重点使用基于模板检测法、 小波分解方法、颜色和灰度特征提取算法等，其 中，采用小波包特征分解的图像修复算法具有典 型性，但是传统算法难以对过度曝光下结构信息 较 强 的 缺 失 图 像 进 行 修 复 ，且 计 算 的 复 杂 度 较
2 图像修复算法实现
在上述图像讯息传导模型的构建及图像角
点检测预处理上，实行图像修复。为了克服传统
方法的弊端，本文提出一种基于改进的小波包分
解的过度曝光图像缺失信息修复算法。采用小
波包分解方法对过度曝光包函数为：
ì ïï
f
(x1,
x2)
=
í
îïïg(x1,x2) =
其 中 ，(Δx,Δy)T 是 宿 主 图 像 的 光 圈 位 移 ， (xi,yi) 是嵌入低频窗口 W 内的纹理像素点。按照
一维信号的分析方法，过度曝光图像的信息特征
传导近似值如公式（2）：
I(xi + Δx,yi + Δy) ≈
[ ] I(xi,yi) + Ix(xi,yi)
Iy (xi, yi)
权欧氏距离来度量 Harris 角点检测邻域灰度值向
量间的相似性，得到采用 4 通道扇形滤波处理后
的伪轮廓瑕疵点分布密度为：
NLM[g](i) =∑w(i,j)g( j) j∈Ω
（9）
式中，i 表示 Harris 角点检测的像素值 g(i) 的
位置，Ω 表示过度曝光图像的坐标域，根据 Hes⁃
sian 矩阵，采用单尺度 Harris 角点检测得到像素
均值：
A
=
séëcsions
θ θ
-csoisnθθùû,
t
=
ét ëêt
xù
ú
yû
（10）
图像边缘幅度在平面信息素中的角度轮廓
特征为 G(x,y; t) ，其中：
u(x,y; t) = G(x,y; t)
（11）
{ B1W(i,j) =
1，ifCD22L(i,j) > CD22(i,j) 0，ifCD22L(i,j) < CD22(i,j)
（12）
对过度曝光图像的较短进行差分灰度补偿，
得到图像的尺度空间为：
Mi,j = med(Xi - 1,j - 1⋯Xi,j⋯Xi + 1,j + 1)
（13）
其中，A 表示域特征点分离相位特性，它为
N 阶方阵，即 A {= ai,j,0 < i,j < N} ，综上所述，图像
角点检测和特征提取预处理流程如图 2 所示。
1.2 Harris 角点检测图像预处理
在上述构建的过度曝光图像的纹理信息特
征传导模型的基础上，采用 Harris 角点检测算法
实现对过度曝光图像的灰度特征匹配，图像直觉
模糊集伪轮廓走向方位为：
θ(i,j) =
g(Ni) - g(Nj)
2 2, a
（8）
148
科技通报
第 32 卷
式中，a > 0 为高斯核的标准差，可由高斯加
information. As the aperture increases, the repair effect of the detail information is not good. The texture
information of the image is constructed by using the Harris corner detection algorithm. The gray level
像角点检测的图像修复算法，采用二维经验模态 分解（BEMD）进行图像各种的重构，实现对过度 曝光图像的灰度图像分量和索引图像分量，把缺 失信息嵌入到 Lab 色彩空间中实现对图像的二维 矩阵特征空间重建，实现图像修复，但是该算法 在图像的颜色分量较多是修复效果不好；文献[5] 提出一种基于水印嵌入和位平面分解的过度曝 光图像的缺失信息修复算法，对缺失的灰度图像
聚类特征为：
Gx(x,y; t) = ∂u(x,y; t) ∂x
（5）
求尺度特征目标函数的零点误差，得到过度
曝光图像的水平和垂直方向的矢量为：
p(x,y; t) = -σ∇u(x,y; t) = -σG(x,y; t) = -σ[Gx(x,y; t)i + Gy(x,y; t) j]
（6）
考虑颜色特征，当存有和过度曝光图像缺失
域（灰色区域），对于图像的小波包分解序列，X
的经验矩阵为：
θ (x) X Δ
i1,i2,∙∙∙,in + 1
M ={m = L - n , i ∈ B} i1,i2,∙∙∙,in+1
k
（15）
其
中
，θ
i1,
(x) i2,∙∙∙,in + 1 L-n
为
X
中小波包灰度值从
i1
经 过 i2 ，定 义 X 中 的 元 素 xt 满 足
r1 r2
x1(1 x2(1
-
x1 N1
σ2
- σ1
x1 N1
-
x2 N2
)
=
0
x2 N2
)
=
0
（14）
上式中，r1 表示待修复块的图像修复置信
度，r2 表示图像曝光过程中的先验像素点，σ1 表
示信息模板匹配的多维谱峰，N1 噪声分量，采用
小波包分解方法对缺失图像的局部信息特征进
行多维搜索，搜索过程如图 3 所示。
第 32 卷 第 8 期 2016 年 8 月
科技通报
BULLETIN OF SCIENCE AND TECHNOLOGY
Vol.32 No.8 Aug. 2016
过度曝光图像缺失信息修复算法
杜永强
（贵州理工学院 信息工程学院，贵阳 550000）
摘 要：图像在过度曝光采集的情况下会因为光圈的进光量过大导致图像的细节关键信息缺失，研究 过度曝光图像的缺失信息修复算法，为图像的细节特征分析奠定基础。传统方法采用图像小波尺度分 解方法进行图像缺失信息修复，随着光圈的增大，对细节信息的修复效果不好，提出一种基于改进的小 波包分解的过度曝光图像缺失信息修复算法。构建了过度曝光图像的纹理信息特征传导模型，采用 Harris 角点检测算法实现对过度曝光图像的灰度特征匹配，采用小波包分解方法对图像缺失信息进行 位置和尺度信息的重构，实现缺失信息修复。仿真结果表明，采用该算法进行过度曝光图像修复，图像 的细节特征得到准确有效复原，提高图像的识别能力。 关键词：图像；曝光；光圈；小波分析；修复
其中，Ω 表示过度曝光图像的信息缺失区域 （白色区域），ϕ 表示过度曝光图像的信息完整区
图 2 Harris 角点检测过程 Fig.2 Harris corner detection process
图 3 图像特征小波包搜索
Fig.3 Image feature wavelet packet search
区域矩阵 ZeroArray 与颜色判断标准 colorstand 统
计。通过上述分析，得到了过度曝光图像的纹理
信息特征传导模型，过度曝光图像的纹理信息特
征传导模型的空间信息分布如图 1 所示，以此为
引导进行图像缺失信息修复。
图 1 过度曝光图像的纹理信息特征传导模型
Fig.1 Texture information feature model of over exposure image
of the image inpainting algorithm, the details of image feature analysis lay the foundation. In the
traditional method, the image wavelet scale decomposition method is used to repair the image missing