改进TV-H-1模型的图像修复方法

为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果.     

一种基于区域搜索的快速图像修复算法

基于纹理合成的图像修复技术在修复大面积破损区域时,普遍存在时间复杂度高的问题.针对Criminisi等提出的基于样本图像修复算法中的匹配技术存在的问题.该文提出了一种根据图像破损区域尺寸进行快速匹配的算法.同时,为了强调前次修复对以后修复产生误差累积的影响,提出了新的置信度更新方法.实验结果表明,改进算法对图像结构边缘...     

二阶总广义变分图像修复模型及其算法

为更好地修复图像,提出了一种新的图像修复模型． 通过分析新模型的性质,给出了一种有效的原始对偶修复算法．实验结果表明,相比于总变分图像修复模型,新模型在修复结果上有更高的峰值信噪比和更好的视觉效果．     

基于生成对抗网络的图像恢复与SLAM容错研究

为了提高即时定位与地图构建（SLAM）系统的容错能力,在经典图像生成网络Pix2Pix的基础上,逐步添加深度估计网络和深度信息的输入、基于STN网络的图像重建损失以及基于图像修复网络的图像补全损失3个方面的改进. 结合双目图像的耦合关系,通过挖掘和融合多种信息,增大了信息的利用率,提高了模型的图像生成效果. 提出将生成对抗网络（GAN）技术与SLAM容错场景相结合,直接实现了感知端的容错. 在KITTI和Cityscapes数据集上进行实验,验证了改进模型的有效性. 将模型生成的图像用于双目视觉系统的重建,验证了容错思想的可行性.     

一种非局部扩散的图像修复模型

利用非局部算子的定义,提出了一种新的非局部扩散的修复模型．该模型在扩散的过程中充分利用了图像的全局信息对损坏的区域进行修复,克服了偏微分方程模型在修复图像时产生的模糊和不能很好地保护图像边缘及纹理的不足． 实验结果表明,该模型是行之有效的．     

风格感知和多尺度注意力的人脸图像修复

人脸图像修复是计算机视觉领域中重建人脸图像的一项重要图像处理技术.现有人脸图像修复技术存在修复结果全局语义不合理的问题,这主要是由于现有技术的特征长程迁移能力不足,无法将破损图像中已知区域的信息合理地迁移到被遮蔽区域上.为此,本文在生成式对抗网络(generative adversarial network,GAN)框...     

基于米字型各向异性扩散的破损藏式古唐卡修复研究

在利用原始的BSCB模型修复图像时,其扩散过程会造成图像的等照度线有一定程度上的交叉,使得修复后的图像视觉效果不太理想。针对以上问题,通过对原始的PM各向异性扩散模型进行改进,提出了米字型各向异性扩散模型,然后将其应用到BSCB模型的扩散过程中,提出了改进的BSCB图像修复模型。最后,利用文中提出的修复模型和其他的改进的BSCB模型对破损古唐卡图像进行修复。结果表明,和原始的BSCB模型以及其他改进的BSCB模型相比较,提出的模型在没有增加算法的时间复杂度的情况下,在视觉效果上和均方误差（MeanSquareError,MSE）的评价指标上表现都很突出。     

基于级联生成对抗网络的人脸图像修复

人脸图像修复技术为近年来图像处理领域的研究热点。该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数三个方面进行改良。生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别器采用局部与全局特征相融合的双重判别式模型以提升判别准确性;损失函数采用最小化重构损失和对抗网络损失相结合以获得更好训练效果。基于CelebA数据集的实验显示,该方法可实现面部区域丢失50%以上的人脸图像修复,在客观评价指标PSNR和SSIM上,较现有方法分别提高了1.1~7.5 dB和0.02~0.15。从主观效果来看,该方法修复的人脸图像拥有更丰富的细节、更显自然。     

基于改进TV模型的修复算法在岩画修复中的应用

从数学角度来看,图像修复就是将待修补区域周围的信息填充到待修补区域中。传统的基于TV模型的图像修复算法对小区域破损的图像有较好的修复效果,但是对参数较敏感,传统TV算法修复稍大破损范围的图像容易出现模糊现象和阶梯效应。为了克服上述缺陷,结合非线性扩散的思想提出了一种改进的基于TV模型的岩画修复算法,该算法能够有效解决传统TV修复算法小区域失效的问题。实验结果表明,该算法相较于传统的TV模型取得了较好的修复效果。     

结合感知注意力机制的生成式对抗网络图像修复

针对现有经典图像修复算法修复结果存在的语义信息不合理、修复边界处易产生伪影等问题,本文结合注意力机制对其进行改进。第一层生成模型对图像进行编码解码操作,完成粗略修复;第二层生成模型结合感知注意力,完成具有更合理语义信息的精细修复;采用局部鉴别器和全局鉴别器对修复内容进行反馈优化。与其他两种主流修复算法基于CelebA数据集进行对比,PSNR值最大程度提升了1.34 dB,SSIM值最大程度提升了0.007。实验结果表明,用结合注意力机制算法修复后图像的语义结构以及纹理的完整性与原图更加接近。     

基于P（z）-Laplace算子的CDD图像修补算法

图像修补是图像复原研究中的一个重要内容,目的是根据图像现有的信息自动恢复丢失的信息,它可以广泛应用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。提出一种新的基于户（z）-Laplace算子的CDD图像修补算法,利用户（z）-Laplace算子的非线性逐项异性扩散的性能填充受损区域,主要修补有划痕的旧照片和被文字覆盖的图像。新的模型在图像恢复的同时良好地保持了图像边缘,通过数值实验,对比以往的P—La—place算子的CDD图像模型,所提模型具有更好的图像恢复效果,明显减少了“阶梯状”效应。     

基于曲率驱动的图像修补方法

利用Euler’s Elastica Inpainting Model建立曲率驱动图像修补模型,基于该模型建立了一个新的曲率驱动图像修补方程,并实现了此图像修补算法.从修补效果可以看到,不仅待修补区域在图像内部时修补后的图像具有良好的光滑性,而且当待修补区域在边缘处时仍具有光滑的水平线和陡峭的边缘.     

基于改进FCM和径向基函数插值的图像修复

图像破损区域的检测提取是图像修复过程中的关键预处理步骤,模糊C均值聚类算法(FCM)在聚类过程中易受到初始聚类中心影响并陷入局部最优.提出一种基于差分演化的改进模糊C均值聚类算法(DEFCM),该方法通过建立图像的灰度-梯度直方图获取聚类数目,作为差分演化算法(DE)问题的维数,结合改进的FCM自适应提取图像破损区域,在此基础上,利用径向基函数插值方法(RBF)对图像进行修复.经实验验证,该方法能解决FCM算法陷入局部最优的问题,能正确、稳定的提取灰度图像的多种破损区域,RBF通过对破损区域的插值得到缺失信息,实现图像的修复.     

基于偏微分方程的图像修补方法

根据最小能量化泛函所建立的图像修补模型可以得到其欧拉方程,把该欧拉方程所对应的梯度下降流作用于需要修补的图像,当偏微分方程的解稳定时,此时的解就是修补后的图像．基于该原理建立了一个图像修补方程,并实现了此图像修补算法．从这个修补方法的修补效果可以看到,修补后的图像具有良好的光滑性．     

基于轮廓-纹理分解的图像修补技术研究

研究了传统整体变分去噪算法和图像修补算法,提出了一种基于轮廓-纹理分解的图像修补算法.算法首先将待修补图像分解为轮廓结构图像和纹理细节图像.再对轮廓结构图像的空缺进行轮廓结构修补,并对纹理细节图像的空缺进行纹理合成.最后将修补后的轮廓结构图像及纹理合成后的纹理细节图像进行合成,得到需要的修补图像.这种方法能够很好地修补图像空缺部分的轮廓结构及纹理细节.实验结果表明,该算法比纯结构图像修补法或纯纹理合成法要好.     

Method for inpainting blind images using the game and L0 constraint

Image inpainting is the process of restoring the original image from the observed image with missing pixels using the prior information on the original image.Most image inpainting models assume that the missing areas of the image are known.However,inpractical applications,the information on these missing areas is difficult to obtain directly.In order to solve this problem,a new image inpainting model is established by using the sparse priori of L₀ norm and game theory.The new model is suitable for the two cases of known and unknown image missing areas.According to the structure of the objective function,an effective proximal alternating direction method of multipliers and a game-based alternating framework are proposed to solve the corresponding minimization problem,and the convergence of the model under certain conditions is analyzed.Compared with the existing inpainting models,numerical experiments show that the models and algorithms proposed can lead to better results and robustness insubjective and objective quality evaluation than the image inpainting methods available.     

基于全局优化的图像修复及其在GPU上实现

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全局优化修复算法中未考虑结构信息的情况,提出一种新的基于全局优化的快速图像修复算法.通过定义出改进的能量函数,把图像修复问题转化为全局优化问题,并采用基于非局部均值的状态标签裁减算法,大幅度减少图中每个节点可能的状态标签数,从而大幅度降低优化算法复杂度;同时,利用图形处理器（GPU）进行加速,进一步提高了运算速度.与其他贪婪合成和最优化修复方法相比,该方法速度更快且较好地保持了纹理和结构的整体一致性.     

一种基于MRF样本修补的改进算法

针对Cheng提出的样本修补算法,引入结构的几何量描述,重新定义优先级公式,以提高结构平稳性;改进置信度项更新法则,以便抑制修补过程产生的误差累积。实验结果表明,改进算法能够有效避免传统算法生成的垃圾物,较好保持纹理和结构特征。     

基于分形的数字图像修补算法

针对传统图像修复方法中搜索范围局限于待修复图像源区域的问题,提出了一种新的基于分形的数字图像修复算法,首次将分形理论应用于图像修复领域,利用图像的自仿射性(或自相似性)对破损图像进行修复。首先,在图像的源区域中选取定义域块,经仿射变换后建立码本;然后,从码本中查找待修复块的最佳匹配块,同时为了加快查找速度,降低计算复杂度,采用了基于方差和内积的快速搜索算法来提高修复效率;最后,用查找得到的最佳匹配块对待修复块进行填补。提出了一种改进的优先值计算方法,在计算优先值时加大置信度的比重,从而可以加强搜索匹配过程中的约束,使得修复过程总体按照"剥洋葱"的顺序进行,同时兼顾线性结构的延伸。实验结果证明,与传统修复方法相比,本算法不仅提高了修复质量,同时也提高了修复效率。