图像修复的最初是为了去除遮挡或对破损的图像就行修复,但是,修复图像是一个ill-pose(病态)问题,所示,图像修复需要一些前提假设(也就是之前提到过的正则约束),通过在一定约束条件下,建立最优化准则,从而实现图像修复。根据不同的假设,延伸出不同的图像修复方法,主要如下:
(1) 假设图像连续光滑,此时,延伸出的图像处理方法,主要是通过一些算子,不断与原图像进行卷积,达到逐渐修复图像的目的
(2) 假设图像属于有界变差空间(BV空间),此时,延伸出基于PDEs或能量泛函(最后通过变分原理转化为PDEs的初边值问题),通过求解PDEs的初边值问题达到修复图像的目的
(3)假设图像的自相似性,即假设图像的缺损部分能够根据一些准则,通过合理组合图像的其余部分的信息,实现图像修复,具体方式是使用纹理合成的原理
(4)通过稀疏表示或低阶秩,通过图片自身训练稀疏表示的基或低价秩约束,从而实现图像的修复
对于第一类,这里将不再举例介绍,正则约束比较简单,能够修复的图像类型也比较简单(因为连续光滑的图像在现实中比较少),最简单的方法就是用卷积,不断将已知部分的