基于非局部块的高斯混合模型图像修复
计算机视觉与模式识别
2019-09-24 v1
摘要
我们考虑含噪图像的补全问题。在图像修复过程中抑制噪声非常具有挑战性。本文提出一种基于图像块的非局部变分方法，以同时实现修复与去噪。我们的方法基于一个小图像块应遵循可由高维高斯混合模型描述的分布的假设。通过最大后验（MAP）估计，依据混合模型的对数似然函数构造了新的正则项。为高效优化该正则项，我们采用期望最大化（EM）算法的思想。其中，期望步可给出自适应权重函数，其可视为像素间的非局部连接。利用这一事实，我们建立了噪声下非局部图像修复的框架。此外，我们从数学上证明了所提修复模型极小解的存在性。通过使用分裂算法，所提模型能够同时实现图像修复与去噪。数值结果表明，当修复区域较大时，所提方法能产生令人印象深刻的重建结果。
引用
@article{arxiv.1909.09932,
title = {Nonlocal Patches based Gaussian Mixture Model for Image Inpainting},
author = {Wei Wan and Jun Liu},
journal= {arXiv preprint arXiv:1909.09932},
year = {2019}
}