遮挡物体移除与图像纹理修补方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像纹理修补方法.首先将抠像技术应用到目标物的提取过程中,然后使用图像分割的方法实现了分区修补的目的.改进后的方法能够更好地还原图像的线性特征并且减少图像修补的时间.在此基础上,根据不同角度的图像可以提供更加丰富的修补信息这一思想,进一步提出一种基于多幅图像的修补方法,并取得了更高质量的修补效果.实验结果表明,该方法不仅能够准确地提取并移除图像上不需要的物体,而且能够有效地修补图像受损区域的纹理和结构.     

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。     

一种基于颜色区域分割的图像修复算法

现有的基于样本块纹理合成的数字图像修复技术在全局式搜索样本匹配块时可能选择错误的匹配块,导致繁衍错误信息而使修复结果不理想。该文提出一种基于颜色区域分割的图像修复方法,其目标匹配块的搜索限定在源样本块所覆盖的颜色区域中。实验结果表明这是一种更健壮、视觉效果更理想的修复算法,可以有效修复各种破损情况,尤其是具有复杂背景的较大区域填充。     

基于区域分割和样本信息的图像修复算法

本文提出了一种通过区域分割和样本信息的图像修复算法,该修复算法是迭代的搜索原域和利用原域中最相似的修补块来填充目标域。首先采用区域分割的方法对图像中目标域进行区域划分,确定不同的目标域的修补区域,从而减少对整个原域的搜索;然后利用修补区域中的样本信息选择修补块大小;最后对图像进行修复。实验结果表明,该算法是有效的,从视觉修复效果较其他算法有了显著提高。     

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。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

基于样本块的图像修复方法的改进

基于纹理合成的图像修复算法适合大面积信息缺损区域的修复。基于Criminisi算法,通过对数据项的重新定义,从结构和纹理上对图像进行修复。改进算法在搜索最佳样本块时,考虑到样本块所含已知像素点的信息量对寻找最佳样本块的影响,构造了包含信息量的最优搜索式;为了平滑置信因子更新导致的误差传播,定义了基于曲率的置信因子更新方程。基于上述构造,经多次实验,改进算法得到合适参数,避免了明显冗余像素点的产生并使得纹理连接处连贯。     

自适应选取样本块大小的纹理合成方法

在传统基于样本块的纹理合成算法中,样本块的大小需要靠人工设定,或根据图像修复效果进行调节,缺乏自适应性。为解决上述问题,通过提取图像的相关纹理特征,提出一种样本块大小自适应选取方法。利用图像分解技术对图像进行预处理,利用图像灰度共生矩阵提取待修复图像的纹理特征,通过确定相关纹理特征与最优样本块大小的相互关系,实现了样本块大小的自动选取。仿真实验结果表明,利用文中方法自适应选取样本块大小,对自然图像能够获得理想的纹理合成效果。     

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。     

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。     

利用纹理和边缘特征的Criminisi改进算法

针对Criminisi算法在图像修复过程中易将纹理部分误认为边缘部分,造成修复顺序偏差而影响修复效果的不足,充分利用图像的纹理结构特征和边缘结构特征,引入差别因子,改进优先权模型,以增强对结构部分的辨别能力,并通过采用新型的搜索方式来克服在修复过程中易产生瑕疵点的不足来完善修复效果。实验结果表明,改进算法较好地克服了原算法所存在的纹理延伸等不足,保持了修复内容的线性结构,其峰值信噪比相比于原算法提高了23 dB,具有更好的视觉效果。     

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。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

采用TV及纹理合成技术的分层图像修复

整体变分（TV）模型在图像修复中能够保持图像的边缘且数值实现方便,但在图像修复中对于人类视觉连通性的处理还有所不足。根据图像遗失或者损坏的不同类型,针对TV、CDD模型在图像修复中存在的问题,提出了一种结合TV、CDD模型及基于块的纹理合成算法的分层图像修复算法。实验结果表明,这种分层修复的方法在图像的结构修复和纹理修复两方面实现了较好的统一,而且在较大区域图像修复上表现出良好的效果。     

图像复原的算法研究

近年来有关图像复原的研究成果大量涌现，焦点大多集中在图像中的纹理合成或面向结构的图像润饰。分析的几个重要算法，即基于同步的结构纹理填充算法、基于统计的图像润饰算法和基于样本的图像润饰算法，突破了以往研究的局限性，取得了较好的复原效果。基于同步的结构纹理填充算法，首先将纹理合成和图像润饰技术同时应用于图像恢复，基于统计的图像润饰算法则全面利用了图像的全局信息，基于样本的图像润饰算法则将纹理合成和图像润饰技术的特性融于一体。对此进行了分析探讨，并在此基础上总结了目前图像复原研究状况。     

纹理合成技术在旧照片修补中的应用

图像修复是图像复原研究的一个重要内容,它的目的是根据图像现有的信息自动恢复丢失的信息。在对目前图像修复技术两大类方法分析的基础上,提出了利用改进的纹理合成技术进行旧照片修补的方法,通过实验证明与变分方法图像修补比较有更好的效果,具有很强的实用性。     

基于扩张卷积的图像修复

现有图像修复方法虽然能够补全图像缺失区域的内容,但是仍然存在结构扭曲、纹理模糊、内容不连贯等问题,无法满足人们视觉上的要求。针对这些问题,提出一种基于扩张卷积的图像修复方法,通过引入扩张卷积的思想增大感受野来提升图像修复的质量。该方法基于生成对抗网络（GAN）的思想,分为生成网络和对抗网络。生成网络包括全局内容修复网络和局部细节修复网络,并使用gated卷积动态地学习图像特征,解决了使用传统卷积神经网络方法无法较好地补全大面积不规则缺失区域的问题。首先利用全局内容修复网络获得一个初始的内容补全结果,之后再通过局部细节修复网络对局部纹理细节进行修复。对抗网络由SN-PatchGAN鉴别器构成,用于评判图像修复效果的好坏。实验结果表明,与目前存在的图像修复方法相比,该方法在峰值信噪比（PSNR）、结构相似性（SSIM）、inception分数3个指标上都有较大的提升;而且该方法有效解决了传统修复方法出现的纹理模糊问题,较好地满足了人们的视觉连贯性,证实了提出的方法的有效性和可行性。     

Simultaneous inpainting for image structure and texture using anisotropic heat transfer model

We propose a PDE-based image inpainting method using anisotropic heat transfer model, which can simultaneously propagate the structure and texture information. In structure inpainting, the propagating direction and intensity are related to image contents, and the strength of propagation along gradient direction is made inversely proportional to the magnitude of gradient. In texture inpainting, the added texture term reflects periodicity along the texture and its perpendicular direction. For numerical implementation, the step size of finite difference is adaptively chosen according to the curvature, leading to fewer iteration steps and satisfactory inpainting quality. Compared with other high order PDE methods and layered methods, the proposed approach is more concise and doesn’t need image decomposition. Experiments are carried out to show effectiveness of the method.     

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比（PSNR）测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。