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。     

拓扑梯度耦合多重最小修补路径的连续边缘图像修复算法

当前的图像修复算法都是利用非连续边缘的已知块信息来完成损坏区域的填充,造成图像模糊与视觉不连通;且修复路径都是随机确定,使其成本较高.对此,提出了拓扑梯度耦合多重最小路径快速行军的连续轮廓图像修复优化算法.引入拓扑梯度,检测出缺失区域的边缘轮廓;定义关键点择取规则,提取图像损坏区域的关键点,嵌入权重因子,建立权重距离函数,计算最小修补路径成本,并设计多重最小路径快速行军机制,提取出连续边缘,完成损坏区域填充.仿真结果显示,与其他图像修复算法相比,本文算法可检测出损坏区域的连续边缘轮廓;且该算法具有更好的修复视觉与效率.     

基于结构相关性的自适应图像修复

针对传统的Criminisi修复算法中优先函数计算的不足,以及修复后图像质量下降的问题,文中提出了一种基于结构相关性的自适应图像修复算法。首先,引入结构相关性,对优先权计算进行改进,增加优先权计算的可靠性;然后,自适应选择样本块大小,使修复更加准确并提高修复效率;最后,引入HSV颜色空间,根据样本的色度、亮度来搜寻最佳匹配块,减少修复误差,完成图像恢复。实验结果表明,所提算法在主观视觉上有明显提升,并且在峰值信噪比(PSNR)和结构相似度(SSIM)方面均有一定提高,修复效果明显,与传统的Criminisi修复算法相比,其峰值信噪比提高了1~3 dB,结构相似度更接近1。所提算法利用结构相关性和自适应选择样本块大小对彩色破损图像进行修复,优先权计算更加合理准确,修复效率有所提高,修复效果可视性更佳,有利于实际应用。     

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。     

一种图像亚像素边缘检测算法的改进研究

为了提高刀具预调测量仪的检测精度,提出了一种改进的图像快速亚像素边缘检测算法——基于正交多项式拟合的亚像素边缘检测算法。首先,利用传统的Sobel算子完成边缘点整像素级别的检测,确定边缘的主体区域;然后,过边缘点沿边缘法线方向拓展像素,取一系列像素点并计算其灰度值;最后根据像素点灰度分布的数学特征,利用正交多项式和最小二乘法求拟合函数,通过拟合曲线确定图像边缘点的精确位置,实现图像亚像素边缘检测。实验证明,该算法运行时间短,约为0.63 s;检测精度高,可达0.1 pixels。     

基于演化算法的纹理合成图像修复技术

针对Criminisi算法中计算待修复块优先级时存在的一些不足及搜索最佳匹配块效率低的问题,提出一种基于演化算法EA(Evolutionary Algorithm)的纹理合成图像修复技术。该算法首先从等照度线方向和梯度方向共同考虑待修复块的优先权,并根据梯度的变化来控制模板窗口的大小,然后提出用演化算法在待修复区域周围搜索最佳匹配块,最终达到快速准确修复图像的目的。仿真实验表明,提出的新算法与传统算法相比具有更快地收敛速度和更好地修复效果,其综合性能优于Criminisi算法。     

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。     

基于快速行进算法的深度图像增强算法

由于Kinect设备采集的深度图像存在空洞,传统的算法无法对空洞进行有效地填充,针对这一问题研究了一种基于快速行进FMM(Fast Marching Method)的深度图像增强算法。该算法首先将彩色图像作为输入,计算各像素与邻域像素的多尺度结构相似性MSSIM(Multiple-Scale Structural Similarity);然后利用MSSIM构造扩散函数,通过改进的FMM算法,估计深度图像空洞区域像素的深度信息;最后为了突出深度图像中物体边缘信息,采用改进的引导滤波算法对修复后的深度图像进行增强,使得修复的深度图像具有保持边缘的特性。实验结果表明,该算法可以准确地填补深度图像的空洞,并且能够有效地保持物体边缘细节,解决了Kinect设备采集中存在深度图像空洞问题,并能促进三维重建技术的研究及应用。     

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。