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。     

基于空间连续性方向插值的图像修复算法

对包含结构和纹理信息的缺损图像进行了修复.记录与已知像素点像素值的差值小于某一闽值的像素点,采用曲线拟舍方法将这些像素点连接成平滑的曲线,并且将此曲线的延伸方向作为等值线上延伸的方向,采用由外向内并且边缘优先为最高优先等级的优先程度逐层填充像素值的方法,将空间连续性方向延伸和图像润饰的思想相结合,使修复区域逐步愈合.该算法能保持图像边缘,结构填充合理.     

一种基于简单笔画交互的迭代图像抠图方法

为了获得精确的和视觉上连续的抠图结果,提出了一种基于简单笔画的图像抠图方法,该方法仅需要用户以少量笔画和拖拽矩形框的方式指定前景和背景像素即可实现。该方法从亮度,纹理和空间位置多特征空间考虑像素的分布,首先建立了鲁棒的颜色分布模型;然后在此基础上,定义采样约束函数,再来获取精确的前景和背景样本;最后基于样本信息和平滑性约束,为所有未知像素构造了一个全局的能量函数,再通过迭代的优化将用户约束传播到整个未知区域。实验结果表明,该方法不仅保持了抠图结果的精确性和视觉上的连续性,并能够有效地处理纹理丰富和具有相似的前景与背景颜色的输入图像。     

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。     

基于自适应空间邻域信息高斯混合模型的图像分割

针对高斯混合模型用于图像分割时仅利用了像素的灰度信息,而忽视空间位置信息,导致在噪声区域和边界处有误分割现象,提出一种自适应空间邻域信息高斯混合模型的图像分割法.该方法定义了一个能够有力抑制噪声点、很好保留边界特性的自适应空间邻域信息函数.在此基础上,设计了每个像素由某个类生成的邻域信息加权概率,并证明了该加权概率满足归一性和空间连续性2个准则;最后,利用EM优化算法给出模型参数E步和M步迭代求解公式.通过人工合成图像与真实图像的实验表明,该方法具有满意的分割效果.     

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.     

一种基于双目立体视觉的图像校正算法设计

立体校正作为立体匹配的先决条件,能消除图像对对应像素的垂直视差,有效地提高立体匹配的精确度.针对校正带来的图像失真问题,研究了一种新的非标定相机的立体校正方法.该方法首先利用SIFT算法提取匹配点,再结合极线校正准则和雅可比行列式来构建能量函数,通过最小化能量函数求得基础矩阵和校正投影变换矩阵,并在像素级上优化了投影变换矩阵.研究结果表明:所设计的校正方法有效地减小了校正误差,更好地保持了原图像的重采样,降低了图像的失真度.     

基于人工鱼群微细分解的先验未知像素点修复算法

由于未知像素点先验信息缺失,因此模块匹配和边缘结构信息未知,全息修复困难。传统方法采用子空间特征信息多维搜索方法未能实现对图像纹理的微细结构信息的模板匹配,效果不好。引入人工鱼群算法,提出一种基于人工鱼群微细分解和亮度补偿的先验未知像素点全息修复算法,即采用子空间特征信息多维搜索方法进行先验未知像素点置信度的更新,以保持被修复的图像破损区域的连续性。构建人工鱼群算法的图像微细分解模型,结合边缘特征点亮度补偿策略,来实现对先验未知像素点的图像信息修复改进。实验结果表明,改进的图像修复算法具有良好的视觉效果,修复时间和计算开销较少,提高了稳定性和收敛性,图像修复后的信噪比误差较小,保持在6%以内,因此该算法的性能优越。     

基于结构和颜色信息的图像修复算法

研究图像修补问题,为了适应自然图像纹理信息的多样性,提高图像的修复质量,待修复图像的填充顺序和雎配准则极为重要.合适的填充顺序和匹配准则,对于待修复图像的修复质量具有重要意义.提出样图的纹理合成技术的图像修复算法,在Criminisi A的算法基础上,挺高待修复图像中已知像素的权重,加入颜色信息,并采用新的匹配搜索方法和自定义的结构-距离权重匹配准则对相似块进行匹配.通过仿真证明.改进方法对大面积的图像缺失的修复和多余物体的去除都有很好的效果,提高了修复质量,加速修补速度.     

人脸图像超分辨率的自适应流形学习方法

样本规模与使用方法是基于学习的超分辨率中的一个重要问题.面向人脸图像超分辨率重建,提出一种基于局部保持投影(LPP)的自适应流形学习方法.由于能够揭示隐含在高维图像空间中的非线性结构,LPP是一种可以在局部人脸流形上分析其内在特征的、有效的流形学习方法.通过在LPP特征子空间中动态搜索出与输入图像块最相似的像素块集合作为学习样本,实现了自适应样本选择,并且利用动态样本集合通过基于像素块的特征变换方法有效地恢复出低分辨率人脸图像中缺失的高频成分.实验结果证实:通过在局部人脸流形上自适应地选择学习样本,文中方法可以仅使用相对少量的样本来获得很好的超分辨率重建结果.     

基于图像分割的实时空间错误隐藏算法

基于模板的空间错误隐藏算法计算复杂度较高。为此,提出一种基于图像分割的实时空间错误隐藏算法。将分割后错误块边界的同类纹理作为参考模板,在对应的纹理区域中寻找最佳匹配块,以实现错误隐藏。实验结果表明,与传统算法相比,该算法能获得较好的隐藏效果,且计算量较低。     

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。     

基于内容自适应的唐墓室壁画修复算法

为了解决基于样本图像修复算法时间复杂度高的缺点,结合唐墓室壁画的特点,提出了一种基于内容自适应的唐墓室壁画修复算法。该算法通过分析图像局部梯度变化将受损区域分为平坦区域和纹理区域,对于纹理区域采用改进的基于样本图像修复算法进行修复,而对平坦区域采用改进的基于快速行进算法（FMM）进行填充,最后提出自适应修补算法。实验结果表明,该算法在保证图像修复质量的同时提高了算法的效率。     

Gourd pyrography art simulating based on non-photorealistic rendering

Non-photorealistic rendering (NPR) is a field in computer science which can create effective illustrations and appealing artistic imagery. Some researchers have proposed NPR methods to simulate different artistic illustrations. However, simulating the new art styles remains extremely challenging. National pyrography is a very famous artistic work in China, and few algorithms have been put forward to illustrate this style. Some exist rendering methods can not demonstrate the main characters of the real pyrography, and the rendering speed is time-consuming using texture synthesis technique. This paper proposes a non-photorealistic rendering technique that automatically generates a gourd pyrography style from a 2D photograph. Similar to the existing exemplar-based methods, an input natural image is regarded as the foreground image, and an input gourd image is taken as the background image. To avoid time-consuming methods like texture synthesis or analogy, this paper simulates character of real pyrography through image abstraction and enhancement from the foreground image. The foreground image will be deformed using equilateral triangle mesh to match the gourd image and mapped to this background image. Experimental results demonstrate the effectiveness of our methods in producing gourd pyrography stylistic illustrations. Meanwhile, the proposed method is simple, fast, and easy to implement.     

Image structure rebuilding technique using fractal dimension on the best match patch searching

Since most images were built with regular textures and structures, the exemplar-based inpainting technique has become a brand-new solution for renovating degraded images by searching a match patch. This characteristic has also been named as the local self-similarity. Nevertheless, traditional exemplar-based methods try to find the best match patch in the whole image with only one direction; thus, often leading to a non-ideal repairing result. In this article, we propose a novel patch matching technique to rebuild the structure and texture of image, in which the surrounding information of the patch is fully concerned. Aside from determining a more precise filling priority by the sparsity of the image structure, we have applied the difference of fractal dimension to enhance the similarity between the source patch and the target patch. Experimental results have demonstrated the superiority of the proposed technique over related works in the renovating accuracy.     

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。     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。     

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。