基于优先权改进和块划分的图像修复

目的 针对基于样本块的Criminisi图像修复算法易发生置信项迅速下降趋于零,使优先权计算公式失效,导致修复顺序错乱造成的修复效果失真问题,以及在搜索匹配块时存在的搜索范围过大,效率过低,易出现匹配到不符合视觉效果的纹理块问题,提出一种基于优先权改进和块划分的图像修复算法。方法 首先重新定义优先权中的置信项,用样本块中的棋盘距离替代原计算公式,保证优先权一直发挥作用,从而减少因修复顺序不合理造成的错误匹配;其次根据图像纹理信息将其自适应划分为不同大小的图像块,使待修复样本块只在具有相似特征的图像块区域内搜索匹配。结果 实验结果表明,新定义的优先权,保证了修复算法的正常进行,改善了修复图像的视觉效果;由图像自适应块划分引导匹配过程,可使匹配在更少的候选块中进行,提高了算法速度。将本文方法与3种全局搜索匹配方法和1种局部搜索匹配方法进行修复结果对比分析,本文方法的修复结果视觉完整性较好,而且修复时间小于其中3种算法。结论 通过改进Criminisi算法优先权中的置信项,避免因其趋于零导致的修复顺序错乱造成的错误累积情况的发生;同时通过改进待修复匹配块的搜索范围,对整幅图像进行自适应块划分,使搜索只在相似块中进行,不仅减少了时间,而且提高了匹配的准确性。本文方法对于自然图像中大面积目标物体移除方面有较好的应用,可获得较满意的修复效果。     

一种基于图像平均灰度值的快速图像修复算法

基于纹理合成的图像修复技术用于修复大面积破损区域,目前此类算法都存在时间复杂度高的缺点。针对纹理算法的匹配技术进行改进,提出了一种基于图像平均灰度值的快速图像匹配算法。该算法在匹配之前预先计算纹理块的平均灰度值以及分割后的纹理块的局部平均灰度值,以取代计算复杂的匹配项SSD（sum of squared differences）;匹配过程只需对平均灰度值进行快速比较,结合阈值控制筛选掉大部分候选纹理块。实验结果表明,该算法在不损害图像修复质量的同时,将纹理修复的效率提高到实时水平。同时在纹理合成和纹理修复中具有普遍的适用性。     

基于样本块的图像修复方法的改进

基于纹理合成的图像修复算法适合大面积信息缺损区域的修复。基于Criminisi算法,通过对数据项的重新定义,从结构和纹理上对图像进行修复。改进算法在搜索最佳样本块时,考虑到样本块所含已知像素点的信息量对寻找最佳样本块的影响,构造了包含信息量的最优搜索式;为了平滑置信因子更新导致的误差传播,定义了基于曲率的置信因子更新方程。基于上述构造,经多次实验,改进算法得到合适参数,避免了明显冗余像素点的产生并使得纹理连接处连贯。     

基于几何距离的Criminisi图像修复算法

使用Criminisi算法进行大区域纹理图像修复时会出现纹理延续错误的现象。针对该问题,提出一种改进的算法,主要体现在两方面：在修复顺序上,通过分析优先权计算方法,以置信度为主导改进优先权模型;在匹配策略上,结合几何距离关系,采用多块同时修复的策略,通过相似度函数选出各块的3个候选匹配块,引入几何距离修正因子确定各块的最佳匹配块。实验结果表明,该算法较好克服了原算法存在的优先权计算不准确以及匹配策略约束力不够导致的纹理延续修复错误的问题,与典型算法相比,其具有较好的视觉效果。     

基于图像结构纹理分解及局部总变分最小化的图像修复模型

在基于样例的图像修复算法中,由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰,导致修复顺序错乱;而在搜索最优匹配块时,因忽略了图像块内部的结构影响,可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先,根据对数总变分最小化模型,将待修复图像进行结构-纹理分解,得到图像的结构分量,并利用图像的结构分量来计算待修复点优先权,使优先权的计算排除局部纹理干扰而更具鲁棒性;其次,将优先权的计算改进为数据项和置信项的加权和,避免了乘积效应,确保数据项一直发挥作用,减少因修复顺序不合理造成的错误匹配;最后,根据图像的局部总变分最小化原则,将图像块的最优匹配转换为0-1优化问题,确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明,峰值信噪比（PSNR）提高了1.12~3.56 dB,结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则,具有更强的保持图像局部结构一致性的能力,改善了修复图像的视觉效果,适用于复杂结构的大面积毁损的图像的修复。     

新搜索策略下的快速图像修复算法

提出了一种新搜索策略下的快速图像修复算法。通过定义新的优先权计算函数,克服了图像低纹理区域修复过于滞后的问题。又通过预测修复后图像块统计属性,对所有待匹配的图像块进行筛选,加快了图像修复速度,改善了修复效果。实验结果显示,该算法适用于多种类型的数字图像修复。     

局部特征信息约束的改进Criminisi算法

针对Criminisi算法计算目标块填充优先权等级时存在缺陷的问题,提出了一种改进的修复算法,方法在确立新的优先等级函数时,充分考虑图像的局部特征信息--曲率和梯度,将曲率及梯度信息作为优先权值的数据项,从而获得更加可靠的填充修复顺序。实验结果表明,和Criminisi算法相比,该方法克服了修复过程中高纹理区域向低纹理区域过度扩散的问题,并取得了更加理想的视觉修复效果。     

基于能量信息耦合梯度调节机制的图像修复算法设计与应用

为了克服当前图像修复算法主要依靠图像的置信度信息来获取优先修复块，忽略了图像的能量信息，导致修复结果中存在不连续及伪吉布斯现象等缺陷。本文设计了基于能量信息与梯度调节机制的图像修复算法。首先，通过区域能量函数来求取图像的能量信息，以计算待修复块的优先权信息，得到优先修复块。然后，基于图像梯度模值，建立梯度调节机制，以调节样本块的大小，获取与图像纹理相适应的样本块尺寸。引入平方差求和函数，以确定最优匹配块。最后，通过像素点间的差异性，构造相似惩罚因子，以更新置信度项，完成图像的修复。实验结果显示，较当前图像修复方案而言，所提算法具备更好的修复性能，所得到的修复图像拥有更好的纹理连贯性与更高的结构相似值。     

特征优先块匹配图像修复算法

针对Criminisi算法中易发生置信项趋向于0,使优先级计算公式失去作用而影响修复结果的"效果丢失",以及无法在已知区域匹配到合适匹配块而造成修复效果失真的问题,提出一种图像修复改进算法.首先通过置信项减去一个固定常数,使置信项不再趋向于0值,保证优先级公式总是发挥作用;然后通过增加有明显识别特征匹配点的优先级使得以该点为中心的待填充块优先进行匹配,减少匹配时的出错率.实验结果证明,该算法较好地克服了Criminisi算法存在的不足,使修复结果更符合视觉感受.     

基于随机映射的快速图像修复算法

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。     

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法*

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.     

基于样例的图像修复改进算法

基于样例的图像修复算法在修复强结构纹理图像时存在结构不连续现象。针对该问题,提出一种基于样例的图像修复改进算法。在计算数据项时引入结构张量,实现各向异性线性结构的优先级,以决定目标区域修复的先后顺序,使用置信度项和数据项加权和的方式计算优先级。实验结果证明,改进算法对强结构纹理图像的修复效果较优。     

参照四邻域裁剪样本的图像修复算法

针对结构纹理信息较复杂、破损尺度较大的图像修复问题,提出一种既能保持图像特征又能提高修复速度的参照四邻域裁剪样本的修复算法,将图像修复问题转化为最佳样本的检索过程。首先,提取图像结构信息,并对图像进行区域划分以缩小样本的裁剪与检索范围;其次,为了改进离差平方和（SSD）方法对块的结构信息匹配的忽视,在像素块匹配计算中引入结构对称匹配约束,有效避免了误匹配,提高了图像块匹配精度及样本搜索效率;然后,通过引入结构因子和置信度,结合传统的优先权计算,得到突出结构作用的优先级公式;最后,利用目标块与四邻域块间的重叠区域计算四邻域参照优先级,并根据四邻域提供的可靠参照信息,依据改进的块匹配方法裁剪样本集并检索最佳样本块,直至所有目标块都检索匹配到最佳样本,完成修复。实验结果表明,该算法可以很好地解决纹理模糊和结构错位等问题,在提高图像修复速度的同时,所提算法修复效果的峰值信噪比（PSNR）比其他对比算法平均提高了0.5~1 dB,使得修复后的图像更好地满足视觉连通性,同时能高效地修复一般区域,具有更好的普适性。     

结构张量的改进Criminisi修复

目的 针对传统基于样本块的图像修复算法中仅利用图像的梯度信息和颜色信息来修复破损区域时,容易产生错误填充块的问题,本文在Criminisi算法的基础上,利用结构张量特性,提出了一种改进的基于结构张量的彩色图像修复算法。方法 首先利用结构张量的特征值定义新的数据项,以确保图像的结构信息能够更加准确地传播;然后利用该数据项构成新的优先权函数,使得图像的填充顺序更加精准;最后利用结构张量的平均相干性来自适应选择样本块大小,以克服结构不连续和错误延伸的缺点;同时在匹配准则中,利用结构张量特征值来增加约束条件,以减少错误匹配率。结果 实验结果表明,改进算法的修复效果较理想,在主观视觉上有明显的提升,其修复结果的峰值信噪比（PSNR）和结构相似度（SSIM）都有所提高;与传统Criminisi算法相比,其峰值信噪比提高了1~3 dB。结论 本文算法利用结构张量的特性实现了对不同结构特征的彩色破损图像的修复,对复杂的线性结构和纹理区域都有较理想的修复,有效地保持了图像边缘结构的平滑性,而且对大物体的移除和文字去除也有较好的修复效果。     

基于先验约束和统计的图像修复算法

利用基于块匹配（PatchMatch）图像修复算法对破损区域较大且周围既含有几何结构信息又含有丰富纹理信息的图片进行修复时,容易出现纹理延伸现象以及样本块误匹配问题。针对此类问题,在样本块的精确匹配和算法的时效性两个方面进行改进,提出新的图像修复算法。在样本块精确匹配方面,改进算法对图像进行预处理以获得图像的先验信息,并利用先验信息约束算法偏移映射图的初始化,从而转变PatchMatch算法中对图像偏移映射图的全局随机初始化为在先验信息指导下的约束初始化;在像素块匹配过程中,利用均值法和夹角法来判断不同类别像素块的相似度,从而提高样本块的匹配精度。在算法的时效性方面,根据图像相似块的统计性特性,引入直方图统计的方法来减少最终用于修复的样本标签,提高改进算法的时效性。最后,将改进算法用于实例验证,相比原算法,改进算法的运行时间减少了5~10 s,峰值信噪比（PSNR）提高了0.5~1 dB。实例验证结果表明改进算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。     

改进的基于样例的图像修复方法

在Criminisi算法基础上,针对其填充次序不准确等缺点,提出了一种基于样例的图像修复方法。通过在优先权函数中引入相邻像素间颜色差值信息,图像结构部分优先传播。同时,置信度值更新考虑样本填充质量,目标块与相似块差异越小则该值相对较高。另外,块搜索过程中多个样本块有相同最小颜色距离时,选取梯度距离最小的样本块。实验结果表明,改进算法对各类图像取得了较高修复质量。     

采用加权优化的图像修复

针对目前贪婪修复算法可能存在修复效果视觉不一致以及优化修复算法中存在的算法复杂度较高或者未考虑结构信息的情况,提出一种基于加权优化的图像修复算法,通过定义出新的能量函数,把图像破损修复问题转化为加权的离散优化问题,在保证结构信息强、信任度高的区域被优先修复的前提下,利用贪婪修复思想获取初值并计算权值,然后通过类EM算法迭代求解出破损区域中每一个像素的最佳值。与其他贪婪合成和最优化方法相比,优先考虑结构信息对修复效果的影响,更好地保持了纹理和结构的整体一致性。     

基于多特征融合的多尺度生成对抗网络图像修复算法

针对多尺度生成式对抗网络图像修复算法（MGANII）在修复图像过程中训练不稳定、修复图像的结构一致性差以及细节和纹理不足等问题,提出了一种基于多特征融合的多尺度生成对抗网络的图像修复算法。首先,针对结构一致性差以及细节和纹理不足的问题,在传统的生成器中引入多特征融合模块（MFFM）,并且引入了一个基于感知的特征重构损失函数来提高扩张卷积网络的特征提取能力,从而改善修复图像的细节性和纹理特征;然后,在局部判别器中引入了一个基于感知的特征匹配损失函数来提升判别器的鉴别能力,从而增强了修复图像的结构一致性;最后,在对抗损失函数中引入风险惩罚项来满足利普希茨连续条件,使得网络在训练过程中能快速稳定地收敛。在CelebA数据集上,所提的多特征融合的图像修复算法与MANGII相比能快速收敛,同时所提算法所修复图像的峰值信噪比（PSNR）、结构相似性（SSIM）比基线算法所修复图像分别提高了0.45%～8.67%和0.88%～8.06%,而Frechet Inception距离得分（FID）比基线算法所修复图像降低了36.01%～46.97%。实验结果表明,所提算法的修复性能优于基线算法。