基于优先修复结构信息的图像修复算法研究与实现.doc

摘要：最早的图像属于人类的绘画艺术，当绘画作品出现瑕疵后，艺术家们可以通过画笔以及自己的高超技艺进行修补，这应该算是早期的图像修复。随着科技的发展，数字图像也应运而生，并且其发展速度更是非常迅猛，随之而来出现的便是数字图像修复。众多的图像工作者经过大量的努力与研究，已经为人们研究出了非常多的实用的图像修复方法，并将这些修复方法应用到广阔的领域，例如：影视后期制作、残缺文字修复、去除障碍物、还原图像等，可以说数字图像修复已经深入到人类日常生活的方方面面。

近些年来，随着人工神经网络的迅速发展以及智能化处理理念逐渐成为主流，人们便将人工神经网络应用到数字图像修复中去，并且已经受到了相当大的关注度，尤其是它在处理非线性问题中展现出来的实力更是为它得到更加广泛的应用。而作为人工神经网络中的一个重要分支，自组织映射网络，由于它可以在无监督的情况把输入数据的拓扑结构映射出来，而且可以把它们自动聚类，受到人们更多的青睐。本文便使用SOM网络来修复图像，然后利用SOM神经网络研究出一种基于优先结构信息的图像修复算法。

除此以外还有很多优秀的传统图像修复算法，例如基于偏微分方程的图像修复算法，基于TV模型的图像修复算法和基于结构和纹理信息图像修复算法。本文首先研究了上述传统的图像修复算法，并在此基础上研究出基于优先结构信息处理的图像修复算法，随后对算法进行改进并通过仿真实验证明其可行性及有效性。

关键字：图像修复;　SOM神经网络;　结构信息;  曲线拟合

目录

摘要

ABSTRACT

引言-1

1　绪论-2

1.1　课题的研究背景意义-2

1.2　国内外研究现状-3

1.3　研究的主要内容-4

1.4　论文的结构与框架-4

1.5　本章总结-5

2　图像修复的基础理论知识-6

2.1　图像修复模型-6

2.2　图像修复原则-6

2.3　纹理-7

2.4　本章总结-8

3　传统的图像修复技术-10

3.1　基于PDE方程的图像修复-10

3.2　基于TV方程的图像修复算法-11

3.3　本章总结-13

4　神经网络模型分析-14

  4.1　神经元及神经网络-14

4.2　神经网络模型-16

4.2.1　BP神经网络-16

4.2.2　RBF神经网络-16

4.2.3　SOM神经网络-17

4.3　SOM神经网络应用-19

4.3.1　映射输入空间拓扑结构功能-19

4.3.2　SOM网络在图像分割中的应用-21

4.4　本章总结-22

5　基于SOM神经网络的结构优先图像修复-23

  5.1　数据拟合问题简介-23

5.2　基于SOM神经网络的结构优先图像修复-24

5.3　对于受损区域包含两条轮廓线的图像修复-28

5.4　实验结果分析-32

5.5　本章总结-33

6　总结-35

致谢-36

参考文献-37

附录-38