基于整体变分模型的岩心图像修复

针对岩心扫描图像信息缺失的修复问题,提出了基于整体变分模型的修复算法。利用图像待修复区域邻域的参考像素信息,从待修复区域边缘逐步向待修复区域内部扩散,同时采用了邻域相关系数来衡量待修复区域邻域边界对目标像素点的影响程度,对算法进行了改进。通过仿真实验表明,改进后的算法与原方法相比,修复效果得到了改善,可以有效完成对于岩心图像的修复。     

基于TV算法的卫星云图标注对象剔除技术

将整体变分算法模型用于卫星云图中标注对象的剔除应用,根据云图标注对象的形状多为线形区域的特点,通过引入权值,对整体变分算法的离散化过程作了改进,使算法在利用邻域信息对待剔除区域进行填充时不改变待剔除区邻域的像素值。实验表明该算法对窄长条状或线性区域的剔除是有效的。     

一种基于整体变分的图像修补算法及其应用

针对污损数字图像修复这一问题,重点考虑了图像的两个重要特征:梯度和等照度线的曲率,探讨了两者对图像修补效果及速度的影响。从而将两者同时纳入图像修补模型,提出了一种新的基于整体变分的图像修补算法。实验表明,相比于CDD算法,该算法能够在短时间内较好地修复污损区域,且能将断裂的水平线连接得更为光滑、自然。     

一种基于整体变分的图象修补算法

图象修补是图象恢复研究中的一个重要内容，它的目的是根据图象现有的信息来自动恢复丢失的信息，可以用于旧照片中丢失信息的恢复。由于图象中的边缘代表了图象的重要信息，所以在设计修补算法时，必须着重考虑边缘的恢复，采用整体变分模型设计了一个图象修补算法，整体变分模型能够模拟人的低层视层，在修补图象时可以恢复图象中的边缘，数值实验表明，该模型能够较好地恢复待修补区域的信息，但是受修补区域大小的影响，同时又采用了一种向前传播操作来缩小修补区域。     

数字破损图像的非线性各向异性扩散修补算法

首先从局部坐标角度分析整体变分（TV）模型与p-Laplace算子的物理意义,从本质上说明p-Laplace算子的扩散性能优于TV模型,进而提出一种基于p-Laplace算子的图像修补算法.该算法利用p-Laplace算子的非线性各向异性扩散的性能来填充受损区域.与TV修补算法相比,文中算法能快速收敛,并达到更好的修补效果,其综合性能优于TV修补算法.     

图像修补的优化变换方法

采用整体变分(TV)模型修补图像,提出一种图像修补的优化变换方法.引入一个辅助变量,利用优化变换,将TV模型中单变量函数的优化问题转化为等效双变量函数的优化问题,并利用交替迭代最小化算法和Chambolle's投影算法求解模型.实验结果表明,与采用梯度下降法的TV模型算法相比,该方法的图像修补效率和修补效果较优.     

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。     

一种交互式的岩心图像修补方法

传统的岩心图像修补方法往往无法对不同宽度的待修补域达到理想效果,并且难以对待修补区域做出选择,这在实际应用中很难满足需要。针对这些问题,提出基于联合一阶与二阶全变差（Combined TV-TV2）的交互式岩心修补方法。该方法首先进行均值漂移对图像进行预分割,然后使用基于区域合并的交互式最大相似度算法确定待修补的区域,最后以联合TV-TV2修补模型为基础,应用分裂Bregman迭代进行求解。实验结果表明,待修补的区域能够被确定,而对于不同宽度的修补区域,该算法能够获得满意的修补效果。     

基于总体变分修复模型的图像编码

依据总体变分(TV)模型修复图像的特征,提出了一种新型有效的图像编码方法。在图像的编码端,先提取图像的边缘信息,再利用数学形态学对图像中较大平滑区域进行形状滤波分割,要求压缩编码的区域仅是边缘扩展的邻域和分割出的目标区域,从而大大减少了需要编码的信息量。在图像的解码端,采用总体变分模型对编码后的图像进行修复解码。实验结果表明,在较少编码信息量的情况下,能得到很好的重建视觉效果。     

融合上下文信息的多尺度贝叶斯图像分割

提出了一种融合上下文信息的多尺度贝叶斯图像分割算法，基于多尺度MRF图像模型，将模型中各结点的邻域结点类别信息抽象为上下文，求得结点的后验边缘概率之后，在各尺度融合表征了同一尺度内及相邻尺度的邻域信息的上下文，结点在相邻结点信息的指导下，得到的分割结果在均匀区域内部及区域边界都大为改善，而且没有增加模型的复杂度，算法仍然是快速的、非迭代的．融合过程中的参数采用EM算法估计．分析和实验结果表明算法是有效的．     

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。     

基于分组行进算法的图像修补方法

图像修补是图像恢复研究中的一个重要内容,它的目的是根据图像的现有信息来自动恢复丢失的信息。虽然图像修补的基本思想十分简单,但是许多的图像修补算法都十分复杂,而且难于实现。快速行进算法(FMM)与水平集法(Level Set)相结合进行曲线进化是一种高效的曲线进化算法,该算法的时间复杂度是O(NlbN)。Kim提出了另一种水平集的曲线进化算法——分组行进算法(GMM),该算法的时间复杂度是O(N)。受其启发,为了更快地进行图像修补,提出了一种基于GMM算法的图像修补的新算法,并研究了对GMM算法的细节改进。为了验证算法的快速性,还给出了使用Bertalmio提出的算法、Telea提出的算法以及新算法对同一幅图片进行修补的实验结果。通过比较发现,该新算法在大幅度提高修补速度的同时,仍能保持较好的修补效果。     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂,而且难于实现。由于图像中的边缘代表了图像的重要信息,所以在设计修复算法时,必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、利用图像的空间连续性,及图像的边缘信息的图像修复算法。该算法实现简单,修复速度快,对小区域的修复效果较好。     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容，它的目的是根据图像现有的售息来自动恢复丢失的信息，可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂，而且难于实现。由于图像的边缘代表了图像的重要信息，所以在设计修复算法时，必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、应用图像的空间连续性，及图像的边缘信息的图像修复算法。该算法实现简单，修复速度快，对小区域的修复效果较好。     

一种基于形态成分分析的唐卡图像修复算法

基于形态成分分析的图像修复算法,通过增加全变分的方式,使得有毛糙边缘的分段光滑图像恢复效果较好,但易产生阶梯效应。针对该问题,将p-Laplace算子引入到基于形态成分分析的图像修复算法中,既保证图像在边缘的良好扩散能力,又避免在图像平滑区易产生虚假边缘的缺陷,同时对噪声有更好的抑制作用。实验结果表明,该算法对于唐卡图像中出现的折痕或划痕、斑块状破损有较好的修复能力。     

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。     

改进的LB图像修复模型及其算法

针对格子波尔兹曼(LB)模型模拟图像修复过程, 提出了一种基于P-Laplace算子的改进LB图像修复算法。该方法利用P-Laplace算子的非线性各向异性扩散性来填补受损区域, 并且忽略了梯度对修复过程的影响。实验结果表明, 改进后的LB修复模型, 其修复效果比TV和CDD模型好; 与LB模型具有相似的修复效果, 却比它具有更快的修复速率, 适用于苹果采摘机器人视觉系统中对树枝遮挡部分的修复、老照片修复, 以及文字移除等领域。