基于CDD曲率驱动扩散模型的图像修复工具箱

资 源 简 介

本项目在MATLAB环境中完整实现了基于曲率驱动扩散（Curvature Driven Diffusions, CDD）模型的图像修复算法。该项目旨在解决传统总变分（Total Variation, TV）模型在修复较大面积缺损或宽间隙时，因无法满足连通性原则而导致边缘断裂或模糊的问题。功能描述如下：首先，系统实现了CDD偏微分方程的数值求解模块，采用有限差分法对引入曲率项的扩散方程进行离散化，利用曲率信息引导扩散方向，使得图像的等照度线（Isophotes）能够跨越受损区域平滑连接，从而有效保持图像的几何结构和边缘特征。其次，项目支持多维数据处理，既能对单通道灰度图像进行修复，也能对三通道彩色图像进行分通道或矢量耦合修复，有效去除图像中的划痕、文字水印、噪点或填补缺失的像素块。此外，工具箱包含用户交互与参数配置功能，允许用户导入自定义的二值掩膜（Mask）以指定待修复区域，并可灵活调节迭代次数、时间步长及曲率相关系数以优化修复效果。最后，系统集成了质量评估模块，能够实时显示修复过程中的中间结果，并计算峰值信噪比（PSNR）和结构相似性（SSIM）等指标，用于量化评估CDD算法相对于TV模型或其他修复手段的性能提升。

详 情 说 明

基于CDD曲率驱动扩散的图像修复工具箱

项目简介

本项目是一个基于MATLAB环境开发的图像修复（Inpainting）工具箱，核心算法采用曲率驱动扩散（Curvature Driven Diffusions, CDD）模型。该项目旨在通过偏微分方程（PDE）的数值求解，解决传统总变分（TV）模型在修复较大面积缺损时容易出现的“阶梯效应”和边缘断裂问题。

系统能够完全自主生成合成测试数据，模拟图像受损场景，并利用曲率信息引导扩散过程，使图像的等照度线（Isophotes）能够保持几何连通性，从而有效地修复图像中的划痕、裂缝和块状缺失。

功能特性

• CDD模型核心算法：实现了基于曲率驱动的非线性各向异性扩散方程，利用有限差分法对PDE进行数值离散求解。
• 自包含数据生成：无需外部图片文件，代码内置合成图像生成器（包含渐变背景、圆形几何体、矩形色块）以及复杂损伤掩膜生成器（模拟随机线性裂缝和块状污渍）。
• 多通道独立修复：支持RGB彩色图像处理，对R、G、B三个通道分别进行PDE演化求解，最后合成彩色修复结果。
• 数值稳定性控制：引入正则化参数（epsilon）和数值截断机制，防止梯度或曲率计算过程中的除零错误及溢出。
• 实时质量评估：集成客观评价指标计算模块，能够计算峰值信噪比（PSNR）和结构相似性（SSIM）。
• 全方位可视化：在单个窗口中展示原始真值、受损图像、掩膜、修复结果、残差热力图以及PSNR收敛曲线。

系统要求

• MATLAB：推荐使用 R2016b 及以上版本。
• 工具箱：Image Processing Toolbox（用于基础图像操作和显示）。
• 硬件：标准PC即可，无需GPU加速。

使用方法

1. 直接在MATLAB环境中打开并运行主程序文件。
2. 程序将自动执行以下流程：

* 生成 $256 times 256$ 分辨率的合成彩色图像作为真值（Ground Truth）。 * 生成包含随机划痕和矩形遮挡的二值掩膜（Mask）。 * 将掩膜区域填充为随机噪声，模拟受损图像。 * 启动CDD求解器进行迭代修复。 * 输出修复耗时、最终PSNR及SSIM指标。 * 弹出图形窗口展示修复结果对比及分析图表。

算法实现细节

本项目完全基于提供的 main.m 代码实现，其核心算法逻辑如下：

1. 偏微分方程求解器 (CDD Solver)

求解器位于 cdd_solver 函数中，采用显式迭代方案求解图像 $u$。

• 导数计算：利用中心差分法（Central Difference）计算图像的一阶偏导数（$u_x, u_y$）和二阶偏导数（$u_{xx}, u_{yy}, u_{xy}$）。
• 曲率计算：根据一阶和二阶导数计算平均曲率 $K$。公式实现为：

$K = frac{u_x^2 u_{yy} - 2u_x u_y u_{xy} + u_y^2 u_{xx}}{(|nabla u|^2 + epsilon)^{1.5}}$ 为了防止数值不稳定，代码中对异常大的曲率值进行了截断处理。

• 扩散系数构造：CDD模型的核心在于扩散系数 $D$ 取决于曲率。代码中定义扩散系数为 $D = frac{|K|^a}{|nabla u|}$，其中 $a$ 为曲率驱动参数（默认为1.0），$epsilon$ 用于正则化梯度模长。
• 数值更新方案：采用了一种鲁棒的数值离散格式。并未直接展开散度项，而是通过计算加权的拉普拉斯项来更新图像。具体做法是计算中心像素与四邻域像素的差值，并乘以计算出的扩散系数，以此作为迭代更新量 delta_u。
• 边界条件与掩膜约束：

* Neumann边界：在差分计算时，使用 padarray 对图像边缘进行对称填充。 * Dirichlet边界（Mask约束）：在每次迭代更新后，仅强制更新掩膜区域（Mask=1）的像素值，而非掩膜区域（已知区域）保持原始观测值不变，确保数据保真度。

2. 多通道处理

算法对彩色图像的三个通道（R, G, B）进行循环遍历，每个通道被视为独立的标量场进行上述PDE求解，最终合并为彩色结果。

3. 数据与掩膜生成

• generate_synthetic_image：构建了一个具有对角渐变背景的图像，并在其上叠加了红色的圆形和蓝色的矩形，用于测试算法对几何边缘和平滑区域的修复能力。
• generate_mask：生成两类损伤：

* 随机划痕：通过随机生成的贝塞尔曲线或线段（代码中为加粗的直线段）模拟裂缝。 * 块状遮挡：在图像中心区域生成一个较大的矩形块，模拟严重的数据丢失。

4. 评估与可视化

• 残差显示：代码计算真值与修复结果的绝对差值，并将其归一化后通过 jet 色图显示，直观反映修复误差的分布。
• 收敛分析：在迭代过程中记录PSNR值，并在最后绘制出PSNR随迭代次数（每50次采样）变化的曲线，用于分析算法的收敛速度。

参数配置说明

在主程序中可调整以下关键参数以观察不同效果：

• params.iter_max：最大迭代次数（默认500），决定修复过程的持续时间。
• params.dt：时间步长（默认0.1），需满足CFL条件以保证数值稳定性。
• params.curvature_a：曲率驱动参数。默认为1.0（标准CDD）；若设为0，算法将退化为近似TV模型的行为。
• params.epsilon：正则化微小量（默认1e-6），用于防止除零错误。