基于P-Laplace算子的小波域图像修补模型

本文研究如何利用不完整的小波系数来恢复原始图像. Chan, Shen 和 Zhou 已经提出了一种基于整体变分 (total variational, TV) 模型的小波域图像修补算法. TV 模型的主要优点是可以保持图像的边缘, 但该模型在平滑区容易产生阶梯效应, 使图像的修补效果不是很理想. 为了克服这个缺陷, 本文首先从局部坐标角度分析了TV模型与p-Laplace算子的物理意义, 从本质上说明了 p-Laplace 算子的扩散性能优于 TV 模型.然后给出了一种基于 p-Laplace 算子的小波域图像修补模型. 该模型不仅有效降低 TV 模型引入的阶梯效应, 而且能保持图像的边缘, 用较少的运算量得到比 TV 模型更好的修补效果. 实验结果表明, 该模型在运算时间和修补效果上都具有更好的综合性能.     

基于p—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,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以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。对如何将基于曲率驱动扩散模型用于图像修补进行了讨论,并提出一种基于p-Laplace算子的CDD图像修补算法,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,主要修补有划痕的旧照片和被文字覆盖的图像。采用峰值信噪比和运算时间两个参数来评定图像的修补效果。对修补后的图像来说,其峰值信噪比越大,修补时间越短,说明修补的效果越好和速度越快。实验结果表明,与原方法相比,能提高图像修补速度,使图片边缘过渡更加自然,修补效果得到改善。     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于L_p范数的自适应偏微分方程图像处理模型,改进了Tony Chan的TV变分模型和张红英的p-Laplace模型.TV模型对图像采用全局约束,而新的扩散方程在图像不同的位置上采用不同的约束,具有局部自适应的特性,在扩散的同时更好地保持了图像的边缘信息,进而将其应用到图像恢复(去噪,去除模糊)中去.实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于Lp范数的自适应偏微分方程图像处理模型, 改进了Tony Chan的TV变分模型和张红英的p-Laplace模型. TV模型对图像采用全局约束, 而新的扩散方程在图像不同的位置上采用不同的约束, 具有局部自适应的特性, 在扩散的同时更好地保持了图像的边缘信息, 进而将其应用到图像恢复(去噪, 去除模糊)中去. 实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

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.     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.提出了一种改进的图像修复算法,该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

基于p-Laplace方程的图像彩色化方法

灰度图像的彩色化是图像处理研究领域中富有挑战性的研究课题,且具有十分广阔的应用前景。在分析现有图像彩色化方法的基础上,提出了一种基于p-Laplace方程的图像彩色化新方法。新方法首先由用户在灰度图像上给定少量的颜色条带;然后通过求解p-Laplace方程实现颜色扩散的彩色化。由于p-Laplace算子是一个各向异性扩散的非线性算子,所以与采用偏微分方程方法的泊松方法和拉普拉斯方法相比,图像彩色化在扩展颜色的同时更能保持边缘效果。     

图像复原的Contourlet收缩与广义全变分正则化方法

建立了广义全变分(total variation,TV)模型,分析正则项在复原算法中的作用.分别从图像的平坦区域和边缘区域入手,在平坦区域图像各向同性扩散,在边缘区域则要满足各向异性扩散,从理论上对两种情形下的扩散做深入分析,推导出广义TV模型满足的一些条件,为了防止高噪声情形下复原模型失效以及克服方块效应,在正则项中引入了 Contourlet收缩,它是一种多分辨的、局域的、多方向的更稀疏的图像表示方法,正则项中引入的Contourlet收缩具有去噪和提取图像重要信息的作用,Contourlet收缩与广义TV正则化相结合,兼顾了图像的光滑性和边缘保持,特别是在图像严重模糊、噪声越多的情形下,更加体现了这种算法比改进的TV模型有效.     

图像修复的CDD模型新算法

CDD图像修复模型是在TV模型的基础上引入曲率项来满足视觉的“连接性”原则. 考虑到该模型各参考点梯度模值大小的不同及扩散效率的不足,本文结合退化扩散模型提出了一种新的CDD模型图像修复算法. 该算法利用待修复区域像素点的梯度和等照度线的曲率信息来控制各参考点对破损区域的贡献值,并进一步作加权处理. 最后将该模型的偏微分方程离散化,给出了模型的数值实现方法. 实验结果表明该算法能保证图像边缘的视觉连通性,并在相同迭代次数的情况下,修复效果明显优于CDD算法,是一种有效的新方法.     

基于高斯变异的生物地理学优化模型

生物地理学优化是一种新型群体智能算法,具有较好的应用前景.针对算法中两大基本算子之一的变异算子进行研究,为了进一步提高优化模型的精度,给出关于高斯变异的生物地理学优化模型.同时介绍了算法的基本原理,重点分析了算法中的变异策略,采用多个测试函数进行仿真.仿真结果表明,在相同的迁移模型下,不同的变异策略对算法优化性能有较大影响,高斯变异策略的优化性能优于随机变异策略.实验还表明栖息地数量对于算法的优化能力也有较大的影响.     

A fast implementation algorithm of TV inpainting model based on operator splitting method

In this paper, we propose a fast algorithm to solve the well known total variation (TV) inpainting model. Classically, the Euler-Lagrange equation deduced from TV inpainting model is solved by the gradient descent method and discretized by an explicit scheme, which produces a slow inpainting process. Sometimes an implicit scheme is also used to tackle the problem. Although the implicit scheme is several times faster than the explicit one, it is still too slow in many practical applications. In this paper, we propose to use an operator splitting method by adding new variables in the Euler-Lagrange equation of TV inpainting model such that the equation is split into a few very simple subproblems. Then we solve these subproblems by an alternate iteration. Numerically, the proposed algorithm is very easy to implement. In the numerical experiments, we mainly compare our algorithm with the existing implicit TV inpainting algorithms. It is shown that our algorithm is about ten to twenty times faster than the implicit TV inpainting algorithms with similar inpainting quality. The comparison of our algorithm with harmonic inpainting algorithm also shows some advantages and disadvantages of the TV inpainting model.     

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。     

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。     

综合自适应阈值与多尺度的TV图像修复方法

基于TV模型的图像修复算法具有较好的修复效果，但其对参数的选取较敏感，且运算量较大。该文提出了一种综合自适应阈值与多尺度的TV图像修复算法，该方法不仅可以提高TV图像修复模型的修复稳定性，还可以进一步压缩运算量，提高修复速度。     

结合网函数插值与TV模型的图像修复算法

TV（Total Variation）模型用于图像修复时没有考虑缺损区域的方向信息,并且存在收敛速度缓慢以及修复质量较低等问题.针对图像上方向特征明显的条状缺损区域,提出带方向的TV图像修复算法（ADTV）.该算法分别针对4种方向（0度、45度、90度、135度）对TV算法离散格式进行改进,并引入方向判断,将缺损区域归类到此4种方向进行修复.实验结果表明,该算法充分利用了条状缺损区域的方向信息,有效提高了图像修复质量.为提高修复效率,将网函数插值分别与TV算法、ADTV算法相结合提出Net-TV算法、Net-ADTV算法.实验结果表明,结合算法不但有效减少了迭代次数,降低了时间成本,加快了收敛速度,而且提高了图像修复效果.