[论文解读] Image Inpainting by Kriging Interpolation Technique

Firas A. Jassim|arXiv (Cornell University)|Jun 1, 2013

Generative Adversarial Networks and Image Synthesis参考文献 20被引用 14

一句话总结

本文提出了一种新颖的统计图像修复方法，利用克里金插值技术，通过利用 k×k 像素块内的空间相关性，自动恢复受损图像区域。该方法即使在大面积受损区域中也能保持结构和纹理细节，使测试图像在划痕和文字叠加损伤情况下的 PSNR 值达到较高水平。

ABSTRACT

Image inpainting is the art of predicting damaged regions of an image. The manual way of image inpainting is a time consuming. Therefore, there must be an automatic digital method for image inpainting that recovers the image from the damaged regions. In this paper, a novel statistical image inpainting algorithm based on Kriging interpolation technique was proposed. Kriging technique automatically fills the damaged region in an image using the information available from its surrounding regions in such away that it uses the spatial correlation structure of points inside the k-by-k block. Kriging has the ability to face the challenge of keeping the structure and texture information as the size of damaged region heighten. Experimental results showed that, Kriging has a high PSNR value when recovering a variety of test images from scratches and text as damaged regions.

研究动机与目标

• 开发一种自动化的数字图像修复方法，以减少对人工、耗时技术的依赖。
• 解决在恢复过程中保持图像结构和纹理的挑战，尤其是在受损区域尺寸增大时。
• 利用图像数据中的空间相关性以提高修复的准确性和视觉质量。
• 评估克里金插值在恢复多种类型图像损伤（如划痕和文字叠加）方面的性能。

提出的方法

• 该方法采用克里金插值（一种地统计技术），基于周围已知像素预测受损区域的像素值。
• 通过建模像素 k×k 块内的空间相关性结构来引导修复过程。
• 算法通过最小化估计方差，利用邻近像素的加权平均值来估计缺失像素的最可能值。
• 空间协方差参数从周围未受损区域学习，以自适应调整插值权重。
• 该方法通过迭代或分块方式应用，以处理更大面积的受损区域，同时保持局部纹理和结构。
• 该方法使用 PSNR 作为定量指标，在不同损伤类型的测试图像上进行评估。

实验结果

研究问题

• RQ1 克里金插值能否在有效恢复由划痕或文字叠加造成的图像区域受损的同时，保持良好的视觉质量？
• RQ2 图像块中的空间相关性结构在多大程度上影响修复结果的准确性？
• RQ3 随着受损区域尺寸的增大，克里金方法在多大程度上能够保持纹理和结构细节？
• RQ4 与现有修复技术相比，该方法在 PSNR 和视觉保真度方面表现如何？

主要发现

• 所提出的基于克里金插值的图像修复方法在具有多种损伤类型的测试图像上实现了较高的 PSNR 值，表明其具有出色的定量性能。
• 该方法在恢复区域中有效保留了纹理和结构细节，即使在较大受损区域中亦是如此。
• 实验结果表明，克里金插值在保持图像一致性和视觉质量方面优于传统插值方法。
• 空间相关性建模使得缺失像素值的预测更加自适应和精确，从而提升了整体修复质量。