MCA分解的唐墓室壁画修复算法

壁画数字化修复工作极大降低了手工修复时带来的不可逆的风险。根据唐墓室壁画人工修复时先整体结构、后局部纹理的思路,提出一种基于形态学成分分析(morphological component analysis,MCA)分解的唐墓室壁画修复算法。首先结合唐墓室壁画的特点,采用改进的MCA方法进行图像分解,得到结构部分和纹理部分;然后根据图像分解后纹理和结构的复杂程度与稀疏程度,分别采用简化的全变分(total variation,TV)算法和K奇异值分解(K-singular value decomposition,K-SVD)算法进行修复。实验结果表明,该算法可兼顾纹理与结构的修复效果,唐墓室壁画中的裂缝现象的破损修复精度得到提高。     

唐墓室壁画泥斑病害自动标定及虚拟修复

针对唐墓室壁画泥斑病害问题,提出了泥斑病害自动标定算法。用空间自相关函数分析泥斑病害纹理特征,在YCbCr模型下,分析泥斑病害亮度,色度特征;对图像分块处理,分析其每个图像块的纹理、亮度和色度特征,通过阈值分割得到泥斑的纹理、亮度和色度掩码。为了精确标定又提出将泥斑的纹理、亮度和色度掩码进行与或运算,得到泥斑区域掩码,将泥斑区域掩码与原图进行加运算,实现壁画泥斑病害精确标定。通过壁画虚拟修复实验表明这种标定算法不仅标定准确而且提高了壁画虚拟修复效率。     

基于尺度空间的小波纹理描述算法的壁画修复

近年来,壁画的数字化修复技术得到了很大的发展,但是其主要算法在图像纹理方向的修复效果一般。为了解决这些问题,还原壁画的原有样貌,提出了一种简单快速的壁画修复算法。该算法在改进的Telea算法的基础上,根据图像纹理的多尺度特征性,利用小波纹理描述算法对壁画的纹理结构进行了修复处理,运用非局部梯度算子,通过计算待修复区域的像素点的非局部梯度值并依据曲率选取的全局最优方向进行扩散,达到壁画纹理修复的目的。实验结果表明了该算法的有效性。     

多尺度唐墓室壁画病害标记及修复技术研究

古代壁画虚拟修复包括病害标记与缺损信息填充两部分。病害标记结果为虚拟修复建立先验模型,标记区域为图像信息缺损部分,未标记区域为有效信息源,修复过程为有效信息向缺损区域扩散的过程。依据唐墓室壁画的病害分类标准,采取多尺度病害标记,利用形态学高帽、低帽算子设计多尺度结构元素对病害进行标记,形成龟裂、裂隙、裂缝三种病害的分布图,并产生相应的掩膜。以此掩膜图像为先验模型,改进CDD算法的信息扩散方式,用交叉扩散代替正交扩散以适应带有确定方向性的信息缺失区域被合理填充,该方法能实现唐墓室壁画的多尺度修复。     

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。     

基于随机映射的快速图像修复算法

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。     

基于图像分解的图像修复技术

针对整体变分(TV)图像修复模型缺点,提出基于图像分解的修复模型。采用图像分解技术,提取图像的结构信息和纹理信息。将图像结构部分用基于TV的改进模型进行修复,避免TV模型在平滑区域产生阶梯效应。在迭代过程中,对图像的特征点与非特征点分别考虑,确保在修复过程中特征点不被模糊化,图像纹理部分采用改进的基于样本修复技术。Matlab仿真实验结果表明,改进算法的修复效果和峰值信噪比计算结果优于原始算法。     

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。     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

自适应样本块局部搜索算法对古代寺观壁画的修复

针对开化寺宋代寺观壁画存在的脱落病害侵蚀问题,在Criminisi算法的基础上,提出一种自适应样本块局部搜索(ASB-LS)的图像修复算法,实现了壁画脱落区域的虚拟修复.首先分析壁画的构图特征,引入结构张量,利用其特征值重新定义数据项,确保图像的结构信息可以准确传播;然后利用该数据项构成新的优先级函数,使得图像的填充顺序更合理;最后利用结构张量的平均相关性自适应选择样本块的大小,同时采用局部搜索策略提升匹配效率,有效地避免了修复后图像结构误传播和匹配块盲目搜索的问题.在VisualStudio2015环境下、采用开化寺宋代壁画进行仿真实验,与Criminisi算法和其他相关算法相比较,结果表明,提出的ASB-LS算法的修复效果较理想,主观视觉上有明显提升,更符合图像的构图特征;同时修复效率有较大提升,峰值信噪比最大提高了3.1 dB,平均提高了0.9 dB,为古代壁画的实际修复奠定了良好的基础.     

基于样例的图像修复改进算法

基于样例的图像修复算法在修复强结构纹理图像时存在结构不连续现象。针对该问题,提出一种基于样例的图像修复改进算法。在计算数据项时引入结构张量,实现各向异性线性结构的优先级,以决定目标区域修复的先后顺序,使用置信度项和数据项加权和的方式计算优先级。实验结果证明,改进算法对强结构纹理图像的修复效果较优。     

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。     

基于样本块的破损唐卡图像修复算法的改进

基于样本块的修复算法由于能同时有效地修复图像的受损纹理和结构的优点被引入到唐卡图像的数字化保护中,而且它对特定破损唐卡图像修复效果良好,但是由于优先权计算和最佳样本块不唯一等问题的影响,算法对其他类唐卡图像修复效果不佳。针对此算法的不足,对信任度计算方法和等照线计算方法进行了改进,解决了最佳样本块不唯一的问题。实验结果证明,改进后的算法不仅能够得到令人满意的修复结果而且能够提高修复效率。     

基于纹理特征的自适应图像修复算法

为了解决基于样本图像修复算法对纹理部分的修复易产生误差累计的问题,提高图像修复的准确性,对优先值计算公式进行了修正,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;利用图像的小波系数估计图像的平均细节能量值,自适应地调节α因子,从而实现对不同纹理程度的图像自适当地调整修复策略,并通过实验证明了算法的有效性。     

连续性约束下基于样例的图像修复算法*

为了提高图像修复效果,提出了一种连续性约束下基于样例的图像修复模型。通过建立能量函数,引入一种新的偏微分方程约束,优化了修复顺序,能够克服传统的基于样例的修复算法在结构性较强的图像修复过程中造成的结构断接现象,在修复纹理的同时很好的保持了结构。实验表明,该算法可以更好的修复大尺度缺损的图像。     

盲环境下数字图像的自动修复算法研究*

当前所有的数字图像修复算法都是一种半自动的方法,因为在对图像修复前,都是由用户给出想要修复的区域,而算法无法自动获取照片的破损所在。提出了盲环境下图像自动修复的概念,以基于数字图像的样本修复为基础,改进了基于纹理合成的图像修复算法。首次运用数字图像可信性评估体系于图像修复,并通过可信性综合度量模型判断确定待修复区域。实验证明,该算法最终达到了盲环境下的图像自动修复效果。     

结构张量的改进Criminisi修复

目的 针对传统基于样本块的图像修复算法中仅利用图像的梯度信息和颜色信息来修复破损区域时,容易产生错误填充块的问题,本文在Criminisi算法的基础上,利用结构张量特性,提出了一种改进的基于结构张量的彩色图像修复算法。方法 首先利用结构张量的特征值定义新的数据项,以确保图像的结构信息能够更加准确地传播;然后利用该数据项构成新的优先权函数,使得图像的填充顺序更加精准;最后利用结构张量的平均相干性来自适应选择样本块大小,以克服结构不连续和错误延伸的缺点;同时在匹配准则中,利用结构张量特征值来增加约束条件,以减少错误匹配率。结果 实验结果表明,改进算法的修复效果较理想,在主观视觉上有明显的提升,其修复结果的峰值信噪比（PSNR）和结构相似度（SSIM）都有所提高;与传统Criminisi算法相比,其峰值信噪比提高了1~3 dB。结论 本文算法利用结构张量的特性实现了对不同结构特征的彩色破损图像的修复,对复杂的线性结构和纹理区域都有较理想的修复,有效地保持了图像边缘结构的平滑性,而且对大物体的移除和文字去除也有较好的修复效果。     

基于统计特征的图像修复

在基于样图图像修复思想的基础上,从填充顺序和匹配准则两个方面进行改进,提出了一种图像修复方法。优先级函数加入了面片梯度信息和方差信息,使得填充顺序能够正确地修复结构和纹理信息。匹配准则采用自定义的颜色特征函数和统计特征函数对相似片进行两重匹配,取最优匹配块填充。一系列的修复实例证明该方法的有效性和鲁棒性。