Patch-Sparsität-basierte Bildinpainting durch eine facettendeduzierte Richtungsableitung

In diesem Papier wird ein patch-sparsity-basiertes Bildinpainting-Algorithmus durch eine facettendressierte Richtungsableitung vorgestellt. Der Algorithmus kann die Kontinuität der Grenzen der eingearbeiteten Region sicherstellen und eine bessere Leistung bei der Wiederherstellung der fehlenden Struktur eines Bildes erzielen. In diesem Papier werden zwei Verbesserungen vorgeschlagen. Zunächst wird das Facettenmodell eingeführt, um Richtungseigenschaften des Bildes zu erhalten, was effizient die Auswirkung von Rauschen reduzieren kann. Die Richtungsableitungen erster Ordnung, zusammen mit den Pixelwerten, werden verwendet, um den Unterschied zwischen Patches zu messen. Folglich wird ein zuverlässigeres und genaueres Übereinstimmungsergebnis versprochen. Gleichzeitig wird die lokale Patch-Konsistenzbeschränkung der spärlichen Darstellung des Zielpatches auch in der Form der Richtungsableitung erster Ordnung umgeschrieben. Daher könnte eine genauere spärliche lineare Kombination unter den Einschränkungen sowohl für Farb- als auch für Ableitungsinformationen erhalten werden. Zweitens sinkt der Wert des Patch-Vertrauens in den traditionellen exemplar-basierten Inpainting-Algorithmen im späten Stadium scharf, sodass der Datenterm oder die Struktur-Sparsität wenig Einfluss auf die Prioritätsfunktion hat. Um dieses Problem zu lösen, wird der Algorithmus so modifiziert, dass die Berechnung der Priorität angepasst wird. Somit erscheint die Füllreihenfolge, die durch die Prioritätsfunktion bestimmt wird, aufgrund eines besseren Gleichgewichts zwischen den Werten des modifizierten Vertrauens und der Struktur-Sparsität sinnvoller. Experimente zu verschiedenen Arten von Schäden an Bildern zeigen die Überlegenheit des Algorithmus.