基于梯度信息的快速自适应图像修补方法

提出了一种基于梯度信息的快速自适应图像修补方法。首先采用快速推移方法决定当前要修补的破损点,然后采用自适应机制,根据其周围已知点个数的多少,选择参考窗口的大小,最后在此窗口中,引入已知点梯度信息,根据本文构造的破损点灰度值计算公式,计算出破损点的灰度值。实验结果表明,本文方法能明显减少修补时间,同时取得很好的修补效果。     

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。     

基于图像块能量梯度的多聚焦图像融合

针对多聚焦图像,提出一种基于图像分块的融合方法。将源图像分为大小相同数量相等的子块,采用能量梯度算子作为对焦评价函数,计算各个图像子块能量梯度匹配度,设置匹配度阈值分离出源图像中的清晰区域。源图像中的清晰区域直接作为融合图像相应的区域,其它区域的处理中,构造与相应子块能量梯度大小相关的图像序列,以及像素点到各个子块中心距离相关的融合函数,然后用融合函数对图像序列融合。实验结果表明该方法有效性和合理性。     

基于方向信息梯度的图像模糊测度

提出了一种新的图像模糊测度方法,该方法以图像小波分解的低频系数各个方向上的信息梯度和作为图像的模糊测度,理论与实验证明该测度相对于图像的模糊程度是单调和单峰的,并且受噪声、亮度和对比度变化影响较小。     

基于预测梯度的图像插值算法

提出一种新的非线性图像插值算法,称为基于预测梯度的图像插值（Image interpolation with predicted gradients,PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation,CGI）算法思想对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比,新算法对图像边缘信息的理解更为完善.与CGI算法相比,由于梯度预测策略的使用,PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素,以及是边缘像素时其边缘方向）.实验结果表明,PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外,在对彩色图像进行插值时,本文将通常的RGB颜色空间转化为Lab颜色空间,不仅减少了伪彩色的生成,而且降低了算法的时间复杂度.     

基于分块颜色相关向量的图像检索算法

阐述了颜色相关向量的基本概念，提出了分块颜色相关向量相似性度量的计算方法和相关区域快速搜索算法，最终形成基于分块颜色相关向量的图像检索算法。实验表明，算法更符合人的主观感觉。     

基于扩散方向的图像修补算法

图像修复是数字图像处理的一种重要技术,是利用受损区域周围的图像信息给受损区域填充的一门技术,本质上是一种图像插值技术。基于偏微分方程的数字图像处理是一个新颖的课题,其在实际应用中的有效性受到越来越多的关注。     

基于扩散方向的图像修补算法

图像修复是数字图像处理的一种重要技术,是利用受损区域周围的图像信息给受损区域填充的一门技术,本质上是一种图像插值技术。基于偏微分方程的数字图像处理是一个新颖的课题,其在实际应用中的有效性受到越来越多的关注。     

基于图像能量的稳健图像哈希算法

为了提高哈希算法的分类性能和运行效率,提出一种基于梯度变化特征和能量特征的图像哈希算法.首先,对输入图像进行预处理操作形成二次图像,利用Sobel算子对二次图像的红色通道、绿色通道、蓝色通道图像进行x轴和y轴的梯度值计算,将各分量图像的梯度值进行相加得到最终的梯度图像;然后将梯度图像幅值的多方向变化信息作为图像的梯度特征,所有图像子块的能量值作为图像的能量特征;最后将图像的梯度特征与能量特征联合起来并置乱得到最终的哈希序列.实验结果表明:所提算法的区别性和鲁棒性可以达到较好的权衡;与最新的以及较好的哈希算法相比,该算法具有最好的ROC曲线和最短的运行时间,平均运行时间为0.0242 s,并且在拷贝检测的对比实验中,所提算法的查全率—查准率曲线最好.     

基于冗余字典学习的图像修补算法

在稀疏表示理论研究的基础上,提出了基于不同冗余字典的图像修补算法。首先设计采用离散余弦变换或K-SVD算法获得冗余DCT字典、KSVDG全局字典及KSVDA自适应字典等三种不同的字典;然后分别基于上述三种不同的冗余字典,稀疏表示待处理图像;最终图像中缺损的部分将通过冗余字典和稀疏系数有效地表示出来。实验结果表明,提出的算法修补后的图像视觉效果好,并在峰值信噪比、特征相似度等主要图像质量评价指标上优于现有几种经典的图像修补方法。     

基于CDD模型的快速图像修复算法

为对图像的缺损部分进行快速自动修复,提出了一种基于曲率驱动修复模型的快速图像修复算法.曲率驱动修复模型由于引入了曲率项,使其偏微分方程为高阶,修复时需要数值求解偏微分方程,大量迭代运算导致修复速度非常缓慢.为加快修复速度.算法将模型的偏微分方程数值化,进一步改造成加权平均形式,利用邻近已知像素直接合成损坏像素,加权系数由曲率和梯度共同确定,使修复按照图像等照度线方向进行,在曲率大的地方将等照度线拉伸,同时由待修复点邻域内已知像素的梯度方差确定修复次序.实验结果表明,显著减小了运算时间,一定程度满足"连接性准则",并且对于较小破损区域修复效果好于曲率驱动修复模型.     

特征向量一维化的图像修复算法

图像修复是指对图像中的缺损部分进行自动修复.图像结构特征向量一维化的图像修复算法,将图像转换为一维图像结构特征向量后,构建图像结构特征空间,然后在该特征空间内寻找一组与每一个含有缺损部分的图像区域高度相似的特征向量,并利用这组特征向量在特征空间内定义一子空间,最后基于该特征子空间修复缺损像素.试验表明,经过图像的一维化后,增加了特征向量的数量,从而能够更加准确地修复缺损区域.     

改进的规范化卷积图像修复算法

规范化卷积算法可用来处理离散、孤立丢失数据的修复,但针对大量数据连续缺失的图像修复效果不佳,为此设计了像素的邻域滤波器,提出一种改进的基于规范化卷积的图像修复算法.首先设定由待修复区域边界向区域内部逐步扩散的修复顺序;然后为每个待修复像素关联一个置信度,并根据修复的先后顺序从高到低进行赋值,即最后修复的像素置信度取值最小;最后根据像素值和置信度进行插值,修复缺失的图像信息.实验结果表明,该算法是一种实用的图像修复算法,可实现图像连续块状区域信息丢失的修复,并可得到良好的修复效果.     

基于块缺失图像修复技术的研究与应用

图像修复是数字图像处理的重要内容，在图像润色、视频图像复原等诸多领域都有着非常广泛的应用。该文以对图像块粗糙度的分析为依据，优化纹理合成算法，并结合JPEG算法，应用于图像压缩，使图像压缩率得到显著提高。     

一种基于稀疏分解的图像修复算法设计

分析数字图像信号的稀疏特征,引入基于稀疏表示的图像修复是一种新颖的图像修复方法,充分结合现有的图像修复技术的研究成果,给出图像的稀疏表示模型及应用时的约束条件,提出面向图像修复的稀疏模型和常见参数选择,并利用Split Bregman进行了数值求解。该算法具有计算简单,易于实现,光滑性和结构信息等图像的基本特征刻画满足应用要求,可广泛应用于图像去噪,退化图像复原等应用,实验结果表明,本算法修复结果信噪比低,视觉效果优于同类方法。     

基于求解泊松方程和梯度的图像修复的研究

提出了一种基于梯度的新的图像修复算法从图片或照片上面去除有影响的物体。文中的方法是分两个阶段来重建移除的区域：移除区域的梯度通过填充算法来填充;通过解泊松方程在梯度映射下来重构图像。在填充梯度的方法中提出了一个新的补丁匹配标准。在这个标准中,同时用到梯度和颜色信息,所以,有一个好的图像修复结果。文中用一些修复例子和结果进行比较,来演示本方法的优越性。     

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。     

Error Analysis for Image Inpainting

Image inpainting refers to restoring a damaged image with missing information. In recent years, there have been many developments on computational approaches to image inpainting problem [2, 4, 6, 9, 11–13, 27, 28]. While there are many effective algorithms available, there is still a lack of theoretical understanding on under what conditions these algorithms work well. In this paper, we take a step in this direction. We investigate an error bound for inpainting methods, by considering different image spaces such as smooth images, piecewise constant images and a particular kind of piecewise continuous images. Numerical results are presented to validate the theoretical error bounds. Tony F. Chan received the B.S. degree in engineering and the M.S. degree in aerospace engineering in 1973, from the California Institute of Technology, and the Ph.D. degree in computer science from Stanford University in 1978. He is Professor of Mathematics and currently also Dean of the division of Physical science at University of California, Los Angeles, where he has been a Professor since 1986. His research interests include mathematical and computational methods in image processing, multigrid, domain decomposition algorithms, iterative methods, Krylov subspace methods, and parallel algorithms. Sung Ha Kang received the Ph.D. degree in mathematics in 2002, from University of California, Los Angeles, and currently is Assistant Professor of Mathematics at University of Kentucky since 2002. Her research interests include mathematical and computational methods in image processing and computer vision.     

一种改进的快速步进图像修复算法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏。基于水平集应用的快进修复算法可以简单快速且有效地修复数字图像中的破损区域,但对边缘的保持能力不够。针对这一问题提出了改进方案。利用梯度排序来保持图像内部的边缘,实验结果也表明改进后的修复结果要优于原算法。     

基于求解泊松方程和梯度的图像修复的研究

提出了一种基于梯度的新的图像修复算法从图片或照片上面去除有影响的物体.文中的方法是分两个阶段来重建移除的区域:移除区域的梯度通过填充算法来填充;通过解泊松方程在梯度映射下来重构图像.在填充梯度的方法中提出了一个新的补丁匹配标准.在这个标准中,同时用到梯度和颜色信息,所以,有一个好的图像修复结果.文中用一些修复例子和结果进行比较,来演示本方法的优越性.