一种改进的快速步进图像修复算法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏。基于水平集应用的快进修复算法可以简单快速且有效地修复数字图像中的破损区域,但对边缘的保持能力不够。针对这一问题提出了改进方案。利用梯度排序来保持图像内部的边缘,实验结果也表明改进后的修复结果要优于原算法。     

改进的整体变分法在图像修复中的应用

提出了一种改进的整体变分法并且将其应用于图像修复中。在修复的过程中考虑图像破损区域外部参考像素和待修补点的相关度,再利用图像破损区外部参考像素信息从破损区域的边缘逐步地向破损区域内部进行扩散,从而达到图像修复的目的。仿真试验表明,改进后的算法与原方法相比图像边缘过渡更加自然,修复效果得到改善。     

基于人工鱼群微细分解的先验未知像素点修复算法

由于未知像素点先验信息缺失,因此模块匹配和边缘结构信息未知,全息修复困难。传统方法采用子空间特征信息多维搜索方法未能实现对图像纹理的微细结构信息的模板匹配,效果不好。引入人工鱼群算法,提出一种基于人工鱼群微细分解和亮度补偿的先验未知像素点全息修复算法,即采用子空间特征信息多维搜索方法进行先验未知像素点置信度的更新,以保持被修复的图像破损区域的连续性。构建人工鱼群算法的图像微细分解模型,结合边缘特征点亮度补偿策略,来实现对先验未知像素点的图像信息修复改进。实验结果表明,改进的图像修复算法具有良好的视觉效果,修复时间和计算开销较少,提高了稳定性和收敛性,图像修复后的信噪比误差较小,保持在6%以内,因此该算法的性能优越。     

引入连续性强度和置信度因子的快速图像修复

传统的基于偏微分方程的迭代式图像修复算法的运算量较大,修复所耗时间较长,使得这些修复技术很难实际应用。而基于水平集的快速行进法可以快速有效地修复数字图像中的破损区域,但对图像的边缘信息保持不佳。针对这一问题,提出一种改进方案。在权函数设计时引入连续性强度来保持边缘信息,并采用等照度线方向来评估两像素点的位置关系。在对单点进行修复时,引入置信度因子对插值点进行加权。实验结果表明,该算法在保证运行效率的同时,很好地提高了修复效果。     

基于优先权改进算法的敦煌壁画复杂破损区域修复

为了修复复杂破损区域周边信息模糊不可信及数目较多的敦煌壁画,在充分考虑敦煌壁画自身信息复杂性、壁画修复视觉效果及其修复合理性易受像素修复顺序影响等因素的基础上,提出一种D-S证据理论数据融合方法对修复区域填充算法的优先权函数进行改进的图像修复算法.首先采用D-S证据理论将修复区域边缘目标块的信任因子和数据因子分别转化为基本概率赋值函数,然后对其进行数据融合得到一个新的优先权函数,最后对图像进行修复,得到修复效果较好的壁画.从视觉心理学角度对复杂破损敦煌壁画进行实验的结果表明,该算法是有效的,其克服了Criminisi算法及其改进算法不能很好地修复敦煌壁画的缺点,修复效果较其他改进算法有了显著提高.     

改进的TV模型图像修复算法

分析了基于TV模型的图像修复算法,针对各参考点梯度模值的大小不同,对原始模型进行了改进.该算法通过计算待修复区域像素点的梯度信息来构造一个扩散函数,利用其控制各参考点对待修复区域的贡献值,然后再进行加权处理.实验结果表明修复变化剧烈和有较大破损的图像效果较好,图像边缘清晰,过渡自然.     

基于统计及结构稀疏特性的图像修复算法

目前普遍使用的基于等照度线的优先权图像修复算法,不能快速准确地确定待修复图像的结构位置。提出利用破损区域边缘图像块的灰度均值直方图,快速准确定位结构点的位置,优先修复结构区域后,实现纹理区域修复,获得很好的修复结果。该算法与传统算法相比,不必计算每个边缘图像块的优先级,直接利用统计信息获得结构点的位置,比传统算法更准确获取结构点位置。算法的计算效率和修复效果都有了很大提升。     

基于断裂结构线匹配模型的大破损区域图像修复算法

针 对现阶段含有复杂结构信息的大破损区域图像修复算法中存在的断裂结构线连接错误、连接不平滑的问题,提出一种基于断裂结构线匹配模型的大破损区域图像修复算法。首先,深入分析了影响断裂结构线匹配度计算的因子,并根据这些影响因子的重要程度赋予不同权重值,在此基础上构造了一种断裂结构线匹配模型以得到相应的断裂结构线匹配对;然后,在这些断裂结构线匹配对的基础上拟合出光滑结构线,并将大的破损区域划分为了不同的子区域;最后,使用块匹配算法对破损子区域进行像素填充。在进行的6组对比实验中,所提算法在处理含有丰富结构信息的大破损区域边缘时,能够准确地对断裂结构线进行配对并且能在配对结果的指导下平滑连接断裂结构线,修复后的图像视觉效果明显比改进后的Criminisi算法、Hays算法以及IIPBDR算法得到的效果好。     

基于生成对抗网络的图像修复技术研究

基于生成对抗网络的图像修复算法在处理图像信息大面积丢失的情况时,效果比传统算法有了较大提升,但是在许多细节方面仍有待改进,例如使修复区域与保留区域在语义上更加合理,被修复区域的边缘需要保持连贯性,修复区域需要有丰富的纹理细节。针对以上问题,在现有的生成对抗网络修复算法的基础上提出了改进,结合非局部注意力机制,对输入图像进行多级合并和设置缓冲层,添加辅助判别器。通过对比实验结果,验证了改进模型的有效性,得到的修复图像更符合人眼视觉系统的要求。     

基于参考纹理与自身色彩的图像修复

传统的图像修复工作仅仅利用破损图像本身的信息完成,破损面积较大并且结构比较复杂时,破损图像不能提供足够的信息导致修复效果不理想。针对这个问题提出了基于参考图像纹理与破损图像自身颜色的修复算法。该算法在图像库中通过图像检索智能筛选相似参考图像,并选择最优区域填充破损图像区域,利用参考图像样块与自身未破损区域的纹理信息保证修复边界的平滑性,再结合颜色迁移与扩展算法使破损图像修复区域与完好区域的色彩协调一致。实验结果表明新提出的修复算法使得图像修复区域过渡更加自然,能在视觉上有较好的效果。