改进的Criminisi图像修复算法

图像修复是一种去除图像中多余物体并采用合理的纹理去填充待修复区域的技术。针对Criminisi等人提出的基于样本的图像修复算法,根据目标块中的结构信息与中心点梯度值的相关性,提出了一种新的优先权函数设计方法,以保持待修复区域的强连续性。为加快匹配效率,在确保要获取的匹配块在搜索范围内的同时,采用局部搜索匹配块的方法,相比Criminisi原算法中通过全局搜索得到匹配块的方式,速率更快。实验结果表明,该算法能获得更佳的修复效果。     

结合颜色和梯度信息的稀疏图像修复算法

现有基于稀疏性的图像修复算法仅利用颜色信息衡量样本块的相似度,易降低修复区域内结构部分的连通性及与邻域信息的连续一致性,同时在全局范围内搜索匹配块也增加了算法的运行时间.为解决上述问题,利用颜色与梯度模值信息度量样本块之间的距离,构造新的相似度以确定块结构稀疏度函数,利用块结构稀疏度确定填充顺序,同时构造新的匹配准则函数寻找匹配块;并利用块结构稀疏度值能够较好地反映样本块所处区域特征的特性,根据块结构稀疏度值自适应确定局部搜索区域大小.并通过实验验证在不同图像中颜色信息与梯度信息所占比例不同.实验结果表明,该算法较对比算法能够更好地保持结构部分的连贯性及与邻域信息的连续一致性,在峰值信噪比上至少提高1dB,并且算法速度提高4~11倍.     

基于局部平均灰度熵的快速图像修复算法

使用块拼贴的基于样本的图像修复算法运行时间主要取决于最佳样本块匹配步骤的执行效率。目前算法普遍采用全局搜索获取样本块,逐一与待修复块进行相似性比对,修复质量和修复效率依赖于采样区域的范围大小。为提高计算效率,提出一种基于局部平均灰度熵的图像修复算法,在每次迭代中根据待修复块邻域窗的平均灰度熵自适应确定采样区域范围。实验结果证明,所提算法相较经典Criminisi修复算法提高了修复质量,且大大提高了修复效率。     

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。     

区域自适应的图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法使用穷尽搜索的方式寻找最优匹配像素块,以及采用固定大小的修复像素块进行修复时产生的错误匹配和信息延伸对图像修复质量的影响,根据像素点周围邻域信息对该像素点的决定作用和结构信息的重要性,提出一种区域搜索和自适应模板图像修复方法,以增强信息的局部协调性和边界信息的恢复能力,提高图像整体的修复效果。大量实验表明,改进算法在减少修复时间的同时,能较好地保持图像的结构,从而使修复结果达到更好的视觉效果。     

一种简单的块匹配图像修复算法

图像修复是对图像的破损区域的复原,实现对图像的小区域的重建.对图像修复的主要方法有两类:一种是基于偏微分方程(PDE)的修复方法,另外一种为基于纹理合成的修复算法.大多数现有图像修复算法都非常复杂,修复速度慢.基于纹理合成算法主要是搜索的范围太大导致效率低,为了在修复效果和效率之间取得折中,文中提出了一种简单的基于块匹配修复算法,应用不同的修复模板,根据图像的空间连续性,缩小了匹配块的搜索范围,大大提高了修复效率.该算法实现简单,修复速度快,对空间较连续的图像修复效果较好.     

基于SVM预分类学习的图像超分辨率重建算法

针对一般基于范例学习超分辨率重建算法的图像块误匹配和运算复杂度高等问题,提出了一种基于支持向量机预分类学习的算法。通过在匹配搜索前使用SVM筛选出与重建目标图像颜色特征相似的样本子库,保证了精确匹配搜索过程中样本块与输入低分辨率图像块内容之间的相关性,大大减少了误匹配现象,从而提高了图像重建质量。实验结果表明,算法的重建效果优于基于范例学习的算法,并在保证重建精度的前提下有效提高了算法运行速度。     

高可信度图像修复方法

在基于样例图像修复思想的基础上,从填充次序与目标块搜索两个方面进行改进,提出了一种图像修复方法。分析了Criminisi等人提出的修复算法,引入混淆系数来确定目标块的填充次序,以图像源区域中“有且只有一个”块与目标块相似来定义可信度,并优先填充可信度高的目标块。混淆系数的计算自然地将寻找高优先级目标块、搜索对应的匹配块两个过程统一,以避免误差累积。通过自然图像移除大面积物体的比较实验,表明算法适用于具有复杂背景的较大区域修复,视觉效果理想。     

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。     

一种基于样本纹理的图像修复算法研究

传统的基于样本纹理的图像修复算法也存在一定的问题,对于待修复区域周围比较平滑时,样本块之间的相似性非常大,如果仍采用全图遍历,会增加系统的开销,如果降低匹配范围,对于纹理结构比较复杂的破损区域,会造成匹配样本的多样性减少。在该文中,提出一种新的基于样本纹理的数字图像修复算法,该算法的原理是依据破损区域边缘纹理结构的复杂性,动态的选择匹配样本区域,该方法能够弥补全区域检索带来的系统开销问题,还能够较好的保持待修复区域的纹理信息。通过实验表明,该算法具有较好的修复效果。     

基于结构稀疏度和块差异度的目标移除图像修复

针对目标移除修复方法中存在的修复顺序不合理以及错误匹配问题,提出一种基于结构稀疏度和块差异度的图像修复方法。首先,在优先权中增加块的结构稀疏度计算,使优先权不仅依赖于目标块的几何特征,而且可以反映其邻域特征,提高了对目标块所处区域特征的辨识度,从而使修复顺序更加合理。其次,定义目标块与样本块之间的差异度,并在此基础上定义新的匹配规则,不仅对已存在像素之间的相似程度进行衡量,而且对已存在像素与填充像素之间的差异程度进行衡量,从而有效防止错误匹配以及错误累积。实验结果表明,该方法可以有效提高图像的修复效果,使修复图像更加符合视觉一致性要求。     

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.     

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。     

一种改进的基于样本的图像修复方法

分析了Criminisi等人提出的基于样本的图像修复算法,针对其在计算修复块优先级时存在的一些不足,提出一种改进的基于样本的图像修复方法,通过基于TV模型的分解算法将待修复图像分解为结构图像和纹理图像,利用结构图像来计算修复块的优先级,使得优先级的计算更加准确。实验结果表明该方法对图像结构边缘的修复有明显的改善。     

基于特征部位圆形域的人脸图像修复方法

针对基于样本块的纹理合成方法存在的修复结构不合理和效率较低的问题，提出基于特征部位圆形域的人脸图像修复方法。首先进行人脸特征点定位，依据特征点分布将人脸图像分割出4个特征部位圆形域，明确特征搜索域范围。然后在优先级模型中以指数函数的形式改变置信度项的衰减趋势，并结合结构梯度项使用局部梯度信息约束优先级，提高修复结果的结构连通性。在匹配块搜索阶段，根据目标块与各个特征部位圆形域的相对位置，确定匹配块的搜索域，提升搜索效率。最终在结构相似性的标准下选择结构最佳匹配块，完成结构连通的人脸图像修复。与4个先进的方法相比较，所提方法修复图像的峰值信噪比（PSNR）平均提升了1.219~2.663 dB，时间消耗平均减小了34.7%~69.6%。实验结果表明，该方法对保持人脸图像的结构连通性和视觉合理性有显著效果，在修复的精度和时间上都表现优异。     

划分特征子区域的图像修复算法

为了解决含有丰富纹理信息和复杂结构信息的大破损区域中的缺失信息修复的问题,提出了一种划分特征子区域的图像修复算法。首先,根据图像中包含的不同特征,运用特征公式进行特征提取,再通过统计特征值划分特征子区域,提高了图像修复的速度;其次,在原Criminisi算法的基础上改进了优先级的计算,通过增大结构项的影响,避免结构断裂的产生;然后,通过目标块和其最佳邻域相似块共同约束样本块的选取,确定最佳样本块集;最后,利用权值分配法合成最佳样本块。实验结果表明,所提算法相比原Criminisi算法,其峰值信噪比（PSNR）提升了2~3 dB,相比基于稀疏表示的块优先权值计算的算法,其修复效率有明显的提高。所提算法不但适用于一般小尺度的破损图像的修复,而且对于含有丰富纹理信息和复杂结构信息的大破损图像的修复效果也更佳,并且修复后的图像更加符合人们视觉上的连通性。     

新的彩色图像分层修复方法

基于全变分的彩色图像修复(CTV)模型,可以在保持边缘的同时达到去噪目的,但对纹理较复杂的区域修复效果不理想。利用分层修复的思想在对整幅彩色图像进行CTV修复后,再对有明显修复痕迹的局部待修复区域使用基于块的纹理合成算法。实验结果表明,这种分层修复的方法在彩色图像的结构修复和纹理修复两方面实现较好的统一,既能很好地降噪,又能保持彩色图像的清晰边界,而且在较大区域图像修复上表现出良好的效果。     

An Efficient Video Inpainting Approach Using Deep Belief Network

The video inpainting process helps in several video editing and restoration processes like unwanted object removal, scratch or damage rebuilding, and retargeting. It intends to fill spatio-temporal holes with reasonable content in the video. Inspite of the recent advancements of deep learning for image inpainting, it is challenging to outspread the techniques into the videos owing to the extra time dimensions. In this view, this paper presents an efficient video inpainting approach using beetle antenna search with deep belief network (VIA-BASDBN). The proposed VIA-BASDBN technique initially converts the videos into a set of frames and they are again split into a region of 5*5 blocks. In addition, the VIA-BASDBN technique involves the design of optimal DBN model, which receives input features from Local Binary Patterns (LBP) to categorize the blocks into smooth or structured regions. Furthermore, the weight vectors of the DBN model are optimally chosen by the use of BAS technique. Finally, the inpainting of the smooth and structured regions takes place using the mean and patch matching approaches respectively. The patch matching process depends upon the minimal Euclidean distance among the extracted SIFT features of the actual and references patches. In order to examine the effective outcome of the VIA-BASDBN technique, a series of simulations take place and the results denoted the promising performance.