自适应选取样本块大小的纹理合成方法

在传统基于样本块的纹理合成算法中,样本块的大小需要靠人工设定,或根据图像修复效果进行调节,缺乏自适应性。为解决上述问题,通过提取图像的相关纹理特征,提出一种样本块大小自适应选取方法。利用图像分解技术对图像进行预处理,利用图像灰度共生矩阵提取待修复图像的纹理特征,通过确定相关纹理特征与最优样本块大小的相互关系,实现了样本块大小的自动选取。仿真实验结果表明,利用文中方法自适应选取样本块大小,对自然图像能够获得理想的纹理合成效果。     

基于全变分和边界重构的纹理图像修复方法

在修复纹理图像时,将来自受损图像周边的像素或选出的纹理沿等照度线方向复制到受损区域内可能引起边界模糊。为解决上述问题,通过全变分将图像分解成骨架图和纹理图,用边界重建方法修复图像的骨架图部分,在修复的骨架图的导引下用纹理合成方法修复纹理图部分,使图像的纹理和结构得以同时修复。实验结果证明,该方法对具有复杂结构的纹理图像具有较好的修复结果。     

改进的基于样本块的图像修复方法

在研究Criminisi修复算法的基础上,提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征,自适应选取样本块大小,提高修复的速度;采用新的数据项,改进优先权公式,避免阶梯效应的产生;重新定义置信度的更新公式,引入曲率距离,减少因置信度更新而累计的误差,提高修复顺序的准确性。实验表明,改进的方法能够有效提高修复的效果,减少修复所需时间。     

相似度自适应样本块的高分辨SAR图像阴影修复

高分辨率SAR图像目标阴影可为目标识别提供更多的信息,对SAR图像目标阴影进行修复可以获取完整的目标阴影.采用传统样本匹配方法对SAR图像进行目标阴影修复时会出现阴影区域漏判问题和过渡区域不均匀问题.提出一种相似度自适应样本块的SAR图像目标阴影修复方法.利用SAR图像中目标及其阴影斜距的相对位置关系作为待修复区域的预判依据,有效地解决了阴影区域漏判问题;然后采用相似度自适应样本块的图像修复方法,改善了过渡区域不均匀问题.实验结果表明,本文方法可以有效地恢复高分辨率SAR图像中缺失的目标阴影.     

小波域图像块修复

描述了一种在小波域中分块图像修复的新算法.该算法将修复过程分为两个步骤;首先寻找小波细节系数,用小波系数的能量来确定每一个图像梯度向量的大小;然后使用图像梯度向量来决定修复区中的哪个块应该首先被填充,使用基于小波域的纹理合成方法来具体填充这个块.连续迭代执行这两个步骤,直到修复区完全被填满.实验结果表明该算法的有效性.     

强化边缘结构的分段自适应图像修复算法

针对基于样本的图像修复技术在修复井下煤岩图像时存在纹理过渡延伸和边缘结构不连续的问题,提出一种强化边缘结构的分段自适应图像修复算法,其在Criminisi算法中引入基于ISEF的数据项和等照度线曲率信息构成新的优先权函数,解决了修复顺序不当的问题;并利用局部方差特征与信息熵划分的区域类型自适应选择样本块大小,解决了边缘保持的问题。在常用测试图像与孟村煤矿的煤岩图像上进行了修复实验,相较于传统的Criminisi方法,该算法的平均PSNR分别提升了0.37 dB与1.33 dB,平均SSIM分别提升了0.002 3与0.002 7。实验结果表明,该算法对纹理结构信息复杂的图像具有较好的修复效果,为煤壁图像的修复奠定了基础。     

破损图像丢失区域自适应优化修复方法仿真

针对传统修复方法存在图像模糊、修复速度低的问题,提出一种基于纹理合成的破损图像丢失区域自适应修复方法。对破损图像丢失区域进行纹理分割提取破损图像边缘能量特征,完成自适应纹理密度量化估计,计算丢失区域纹理向量量化区域的超像素级视觉特征。利用基于Criminisi算法根据纹理特性计算优先修复区域,不断更新图像的可靠度对丢失区域进行纹理修复,完成破损图像丢失区域的自适应修复。通过实验结果验证,所提修复方法与传统修复方法相比,修复后的图像更清晰、完整,修复用时更短。     

基于样本块的唐卡图像修复技术研究

图像的修复技术已成为图像工程领域的一个新的活跃研究方向,本文主要目的就是研究如何更好地实现图像损伤区域的修复,并根据受损图像周围的有效信息用图像修复算法自动进行修复。本文在基于样本块修复算法的基础上,对算法所具有的不足之处,建立了唐卡图像库,采用基于图像颜色特征检索唐卡图像,用检索到最相似图像区域来修复图像破损区域,使唐卡图像的修复更加完美。     

基于样本块的图像修复改进算法

Criminisi等人曾提出一种基于样本块的图像修复算法,将其算法中优先权的确定进行了改进,通过引入调节因子[α]调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;同时将优先权公式由相乘改成相加,防止快速衰减,提高修复效果,并从实验证明了算法的有效性。     

采用顺序修复的样本例图像修复算法

本文提出了一种采用顺序修复的样本例图像修复算法,该方法在原Criminisi经典图像修复算法的基础上对修复顺序进行新的尝试.原Criminisi经典算法的修复顺序通过计算优先级得出,随着修复的深入优先级逐渐趋近于0,导致算法失去作用.为解决该问题,本文采用顺序修复的方法来代替优先级决定顺序,避免出现算法失去作用的情况;同时本文提出的“倒L”型样本模板来增强结构的传播能力、提高匹配的正确率.实验结果证明,本文的修复算法相对Criminisi算法具有优势并取得很好的修复结果.     

不规则块的图像补全算法

目的 目前在图像补全领域研究的重点和难点是补全具有复杂结构信息和丰富纹理信息的大破损区域的图像。传统的基于样本块的图像补全算法主要采用规则的模板块和匹配块来进行补全,补全过程中不能充分利用图像的结构或纹理的不规则信息,从而影响算法修复的精度和效率。针对这一问题,本研究提出一种基于不规则块的图像补全算法。方法 在该算法中,首先利用结构稀疏度来区分图像的结构信息和纹理信息并基于结构稀疏度和置信度计算破损区域边界点的优先级,然后选择优先级最高的点构造规则模板块。对处于复杂结构区域的模板块,如果其邻域含有已知的结构信息,则膨胀该规则模板并利用其周围的结构信息来辅助构造不规则模板块。接下来,在图像完好区域内搜索与该模板块对应的匹配块,如果该匹配块的邻域包含有效的结构信息,则膨胀该匹配块并补充其周围的结构信息来完善该不规则匹配块。最后,利用该不规则匹配块补全破损区域。对于补全过程中块间接缝造成的视觉不连通问题,本研究利用图像的纹理信息来进行修饰。结果 将本文算法与4种修复效果较好的算法（3种基于规则块的算法和1种基于局部敏感哈希的修复算法）进行对比,通过8组经典图像进行实例验证,采用客观评价指标峰值信噪比PSNR和主观视觉连通性进行评价,结果表明本文提出的算法峰值信噪比相较4种对比算法均有04 dB的提高,且在补全的精细度和视觉连通性方面有更佳的效果。结论 本文算法在补全含有较复杂结构和丰富纹理的破损自然图像、壁画图像和目标物体移除上有较好的修复效果,普适性较强。     

面向纹理合成的块尺寸自动选择算法

在现有的基于块的纹理合成算法中,针对块尺寸需要人工选择从而导致纹理合成质量不确定的问题,提出一种纹理合成中的块尺寸自动选择算法。在纹理样本上按扫描线顺序滑动子块直到遍历所有位置,对子块与纹理样本的直方图进行归一化与均值滤波预处理,然后计算二者直方图的交;在不同子块位置的上述计算结果中,取其最大值作为子块与样本的颜色相似度。针对颜色相似度与块尺寸的近似单调递增关系,采用二分法计算相似度阈值点所对应的横坐标,将其作为纹理合成的块尺寸。多种类型纹理的实验结果表明,该方法自动选择的块尺寸与最佳经验取值范围相吻合。所提方法不仅适用于结构性纹理的合成,而且适用于随机性纹理的合成,能够获得理想的合成结果。     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。     

纹理合成技术在旧照片修补中的应用

图像修复是图像复原研究的一个重要内容,它的目的是根据图像现有的信息自动恢复丢失的信息。在对目前图像修复技术两大类方法分析的基础上,提出了利用改进的纹理合成技术进行旧照片修补的方法,通过实验证明与变分方法图像修补比较有更好的效果,具有很强的实用性。     

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。     

纹理合成在图像修复中的应用研究

图像修复是数字图像处理领域中的主要研究方向,该文介绍纹理合成技术中的Criminisi算法,并针对其在利用边界点优先权调整修补次序过程中存在的问题,提出一种改进算法,该算法不仅可以有效改善图像的修复效果,还可以在数字图像上实现用背景替换较大的前景物。实验结果证明了其有效性。     

基于全局优化的图像块填充修复方法

图像修复问题公式化为一个能量函数的最优化问题,设计了合理的能量函数度量修复结果的质量,并通过迭代方法得到最优解.全局优化方法不仅保持像素局部颜色的连续性,而且也很好地保持了图像整体纹理结构在修复区城内的连续性.在构建像素邻城的搜索空间时,采用了自适应的采样方法,减小了搜索空间的大小,大大提高了搜索最佳匹配邻域的速度.实验结果表明,算法对大面积的图像缺失的修补和复杂背景图像上多余物体的去除,都达到了很好的效果.     

快速结构化图像修补

图像修补的目的是对图像中缺失的区域进行修复,或是将图像中的物体抠去并进行背景填充,以取得融合到难以用肉眼分辨的效果。在图像修补的过程中,较大的结构信息是修补的难点。为此提出了一种快速结构化的图像修补算法,该方法将图像修补分为结构修补与纹理填充两个部分,即在用户指定待修补区域与结构曲线之后,首先定义全局最优化能量函数,并用动态规划与置信度传播的算法将其最小化来完成结构修补;然后对剩余的待修补区域通过按行扫描来进行纹理填充,其中对于边界处的点是使用基于样本的修补算法,而对于待修补区域内部的点,则使用快速的加权Ashikhmin-WL算法,扫描完成后输出修补后的图像;最后实现了一个快速结构化图像修补系统,并给出一些实验结果,从实验结果中可以看到,该方法的修补流程与算法是有实际应用价值的。     

基于纹理规则性分析的图像填补方法

针对目前图像填补中存在的很难自动分析和提取前景、背景,然后合理地恢复图像等问题,提出一种利用纹理规则性分析和纹理合成技术进行有效图像填补的方法.为了实现自动化的提取,将前景视为近似规则纹理的场景区域,首先引入纹理规则性分析方法,利用近似规则纹理具有强烈的信号规则性的特点自动有效地提取前景信息;然后通过合成优先级的思想将纹理合成技术和图像修补技术结合起来,提出一个合理的背景填补方法以恢复图像.实验结果证明,该方法可以自动有效地提取具有近似规则纹理特征的前景或背景内容,并合理地恢复图像.