基于自适应加权低秩分解的区域匹配图像修复方法
计算机视觉与模式识别
2023-03-23 v1
摘要
数字图像修复是一个插值问题，即推断缺失（未知）区域中的内容以与已知区域数据一致，使得插值结果满足某些先验知识。低秩与非局部自相似是图像修复的两个重要先验。基于非局部自相似假设，一幅图像被划分为重叠的正方形目标块（子矩阵），并将任一目标块的相似块重塑为向量并堆叠成一个块矩阵。这样的块矩阵通常具有低秩或近似低秩的性质，其缺失项通过低秩矩阵近似（LRMA）算法恢复。传统上，在以目标块为中心的局部窗口内搜索 个最近邻相似块。然而，对于含有缺失行的图像，生成的块矩阵容易出现整行缺失，导致下游低秩模型无法很好地重建它。为解决该问题，我们提出一种区域匹配（RwM）算法，将目标块的邻域划分为多个子区域，然后在每个子区域内搜索最相似的一个。还提出了一种用于 LRMA 的非凸加权低秩分解（NC-WLRD）模型，以重建由所提 RwM 算法分组的所有退化块矩阵。我们通过交替方向乘子法（ADMM）求解所提 NC-WLRD 模型，并详细分析了其收敛性。在线性修复（整行/整列缺失）上的大量实验证明了我们的方法相对于其他竞争性修复算法的优越性。与其他基于低秩的矩阵补全方法和修复算法不同，所提 NC-WLRD 模型对于去除随机值脉冲噪声和结构噪声（条纹）同样有效。
引用
@article{arxiv.2303.12421,
title = {Region-wise matching for image inpainting based on adaptive weighted low-rank decomposition},
author = {Shenghai Liao and Xuya Liu and Ruyi Han and Shujun Fu and Yuanfeng Zhou and Yuliang Li},
journal= {arXiv preprint arXiv:2303.12421},
year = {2023}
}
备注
region-wise matching algorithm, image inpainting, 20 pages, 18 figures