引入蛇模型的曲率驱动扩散图像修复方法

数字图像修复方法可以自动地修复数字图像中用户定义的污损区域。T.F.Chan等人提出的非纹理的曲率驱动扩散算法是基于偏微分方程的图像修复的代表算法之一。通过在该算法中应用蛇模型的图像增强项,提出了引入蛇模型的曲率驱动扩散图像修复方法,在热扩散过程中,拉动曲线向目标边界演化,达到修复污损图像中的断裂边缘的目的,从而较好保持图像的视觉连通性。实验结果表明,在迭代次数相同的条件下,可以比原始的曲率驱动扩散图像修复算法获得更好的修复效果。     

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法*

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.     

曲率驱动与边缘停止相结合的非纹理图像修复

根据等照度线曲率在图像表征中的重要意义,将曲率作为一个控制传导率的因素引入非线性扩散方程,提出将曲率驱动与边缘停止相结合的非线性扩散模型(C&E)应用于图像修复.该模型在实现热扩散的同时强调了保护小曲率和大梯度的重要性,具有能够连接等照度线和强化边缘的作用.针对这一模型进一步讨论了其函数构造方法及其半点显示数值实现方案.实验结果表明C&E模型较经典的Curvature-Driven Diffusions方程在短时间内能更好地修复非纹理图像.     

图像修复的CDD模型新算法

CDD图像修复模型是在TV模型的基础上引入曲率项来满足视觉的“连接性”原则. 考虑到该模型各参考点梯度模值大小的不同及扩散效率的不足,本文结合退化扩散模型提出了一种新的CDD模型图像修复算法. 该算法利用待修复区域像素点的梯度和等照度线的曲率信息来控制各参考点对破损区域的贡献值,并进一步作加权处理. 最后将该模型的偏微分方程离散化,给出了模型的数值实现方法. 实验结果表明该算法能保证图像边缘的视觉连通性,并在相同迭代次数的情况下,修复效果明显优于CDD算法,是一种有效的新方法.     

曲率驱动与边缘停止相结合的图像放大

基于非线性扩散在保留图像重要特征方面表现出的良好性能,提出将曲率作为一个控制传导率因素的曲率驱动与边缘停止相结合的非线性扩散模型(C&E模型)应用于图像放大。该模型在实现热扩散时不仅能够连接等照度线和强化边缘,而且强调保护小曲率和大梯度。针对这一模型进一步讨论了其应用于图像放大的初始化条件和数值实现方案。实验结果证明,具有曲率运动、边缘冲击特性和平滑去噪性能的CB-E模型较线性扩散方法能更好地放大图像。     

基于离散小波变换的图像修补方法*

根据多尺度分析原理,提出了基于离散小波变换的图像修复方法.首先用离散小波变换把图像分解为高频成分与低频成分,对图像不同频率的成分分别进行修补.图像的低频部分采用笔者以前所提出的结合中值滤波和基于曲率扩散方法[1]进行修复.由于高频部分地表示图像的边缘轮廓信息,并且有很强的方向性,对高频图像数据先进行分块,用线性拟合求出每一块的方向,再根据方向信息进行修复.实验表明,该算法能较好地修补破损区域.     

改进曲率驱动模型的敦煌壁画修复算法

针对敦煌壁画裂纹形状复杂、划痕不规则,采用CDD曲率扩散算法修复时易出现假边缘、阶梯效应以及修复时间长的问题,提出一种改进曲率驱动模型的自适应敦煌壁画修复算法.首先对CDD算法中梯度消失问题进行改进,使扩散项更加合理;然后引入自适应控制策略,壁画破损区域曲率不同时能够选择不同的修复模型进行动态自适应控制修复;最后利用光滑函数进行角点扩散修复,达到去噪和保护边缘的目的.对真实敦煌壁画进行数字化修复的实验结果表明,该算法较好地解决了CDD算法的边缘过渡不自然以及修复时间过长的问题,在PSNR和修复时间评价指标上均优于其他对比算法.     

曲率驱动的基于亥姆霍兹涡量方程的图像修复模型

图像修复模型根据已知区域信息自动修复目标区域,且保证修复后的图像满足人眼视觉系统的要求,目标区域轮廓自然.理论分析证明,流体力学中无粘亥姆霍兹涡量方程可以实现图像修复.根据曲线和曲面运动方程,使用曲率驱动亥姆霍兹修复模型中的等照度线传输方向.曲率是图像几何特征作用的结果,所以新模型可以很好地保持图像中的线性特征.图像中涡量为平滑程度的度量,二维图像域中涡量具有扩散性,对涡量方程的结果做各向异性扩散,使等照度线间的图像信息交互.亥姆霍兹涡量方程修复模型中的各个参数及扩散过程是涡量扩散性和耗散性以及图像几何特征作用的结果,扩散后的修复模型稳定且不存在错误的传输方向.理论和实验证明了曲率驱动的亥姆霍兹涡量方程模型在图像修复中的有效性.     

基于像素中位扩散的大面积损坏图像修复机制

针对当前的图像修复算法在修复高对比度边缘和高频分量的大面积损坏图像时,存在明显的模糊效应与块效应等不足,提出基于像素中位扩散的大面积损坏图像修复机制。引入各向异性扩散模型,消除噪声对损坏图像修复边界等照度线的干扰;构造像素梯度模的斜率限制准则,以提高机制稳定性;嵌入加权因子,基于局部最大似然估计机制,设计基于像素中位扩散的图像修复模型,完成图像修复。最后借助仿真平台,测试了该机制性能。结果显示:与其他图像修复算法相比,在大面积损坏图像与高对比度边缘图像修复中,该机制具有更好的修复效果和更高的相似度,有效降低了模糊效应与块效应。     

基于双树复小波的图像修复

小波变换技术已被广泛应用于图像修复领域,但其在图像修复过程中出现的边缘部分模糊或不连接的情况成为了一个难点。针对此问题,提出了基于双树复小波变换的图像修复算法。该算法使用双树复小波变换对破损图像进行多尺度和多方向的分解,对各个高频方向子带使用全变分(Total Variation,TV)模型进行快速修复,各个低频分量使用改进了的曲率驱动扩散(Curvature-Driven-Diffusions,CCD)模型进行迭代修复,最后通过小波逆变换得到最终的修复图像。实验结果表明,该方法很好地推广了双树复小波变换在图像修复领域中的应用,并且在图像纹理的修复以及在结构部分的填充都有较好的效果。     

基于曲率驱动扩散(CDD)的图像修复模型

由于TV(总体变分)修复模型不能满足“连接性准则”。针对这个问题,Chan和Shen提出了基于曲率驱动扩散(CDD)修复模型,该模型通过在TV模型的基础上引入曲率项,从而使得“连接性准则”得以满足,本文将对此模型以及离散实现方法进行分析,并用实验得出结论:CDD模型具备了修复较大的破损区域及细小边缘的能力。     

基于P-Laplace算子的小波域图像修补模型

本文研究如何利用不完整的小波系数来恢复原始图像. Chan, Shen 和 Zhou 已经提出了一种基于整体变分 (total variational, TV) 模型的小波域图像修补算法. TV 模型的主要优点是可以保持图像的边缘, 但该模型在平滑区容易产生阶梯效应, 使图像的修补效果不是很理想. 为了克服这个缺陷, 本文首先从局部坐标角度分析了TV模型与p-Laplace算子的物理意义, 从本质上说明了 p-Laplace 算子的扩散性能优于 TV 模型.然后给出了一种基于 p-Laplace 算子的小波域图像修补模型. 该模型不仅有效降低 TV 模型引入的阶梯效应, 而且能保持图像的边缘, 用较少的运算量得到比 TV 模型更好的修补效果. 实验结果表明, 该模型在运算时间和修补效果上都具有更好的综合性能.     

基于结构张量的图像修复方法

针对传统各向异性扩散方程在修复图像时仅考虑梯度模的大小,且在修复彩色图像时易产生虚假边缘等缺陷,提出基于结构张量的图像修复方法。将结构张量作为各向异性扩散方程的扩散系数,实现在不同区域有不同的扩散方式。实验结果显示:该方法与整体变分(TV)和BSCB方法相比,提高了图像修复效果,有效地完成对于彩色图像的修复。     

融合边缘检测和自注意力的图像修复方法

针对修复后图像边界模糊、图像纹理不清晰、视觉效果差的问题,提出了一种融合边缘检测和自注意力机制的生成式对抗修复模型.通过边缘检测可提取出图像的轮廓信息,避免了修复后边界模糊的问题;利用自注意力机制能够捕获图像全局信息并生成图像精确细节的能力,设计出融合自注意力机制的纹理修复网络.该模型由边缘补全网络和纹理修复网络组成,首先,设计的边缘补全网络对受损图像的边缘进行补全,得到边缘补全图像;其次,利用纹理修复网络联合补全的边缘图像对缺失区域的纹理进行精确修复.在CelebA和Place2两个图像数据集上对本文所建模型进行了训练和测试.实验结果表明:本文所建模型与现有图像修复方法相比,大幅提高了图像修复的精确度,且生成的图像更加逼真.     

基于张量扩散的小波域修复模型

在JPEG2000图像压缩标准中,有损传输过程中的小波系数的丢失将严重影响接收端图像的质量.为了修复丢失的或被损坏的小波系数,本文提出了一种基于张量扩散的小波域修复模型(TDWI),该混合模型将结构自适应各向异性正则与小波表示结合起来.同时推导该模型对应的Euler-Lagrange方程,并据此来分析它在像素域的几何正则性能.由于在正则项中采用了矩阵值的结构张量,该模型的扩散核的形状随着图像的局部结构特征(包括尖锐边缘、角点和各向同性区域)自适应地变化.与已有的小波域修复模型相比,本文所提模型能更自适应地、更准确地控制像素域的几何正则性,并对噪声有更强的鲁棒性.另外,本文采用了一个更加有效且适合的数值实现方法来进一步改善所提模型的修复性能.最后,给出了各种丢失情形下的实验结果来表明该模型在小波域修复性能和抗噪性能等方面的优越性.     

基于方向场的指纹图像偏微分方程修补模型

提出一个用于指纹图像修复的新的偏微分方程(PDE)模型,该模型对指纹图像的缺损区域能进行有效的修补。通过分析比较现有的技术方案对指纹图像修补的不足:一般常见的图像修复模型由于缺乏方向场的几何信息,对于指纹图像,这些模型不能给出满意的修补结果;或者虽然引入了方向场的几何信息,但在具体修补时会出现将不同的脊线连到一起不同的错误结果。该模型采用方向场作为扩散方向,在扩散过程中灰度信息沿着表征脊线方向的局部固定方向传播到待修复区域中, 改进了一般PDE模型不能用于修复指纹图像的不足。数值实验结果表明在修复指纹图像时提出的模型优于一般的模型     

变分模型在矢量图像修复中的应用

图像修复是指恢复图像中破损区域的颜色信息或者去除图像中的多余物体。分析了基于整体变分法TV模型以及矢量图像耦合技术的原理,根据矢量图像耦合思想将整体变分法运用到矢量图像中并对矢量图像进行试验。实验结果表明：改进的矢量图像耦合修复模型能较好地修复大块彩色图像的缺失信息和移除多余物体,能保持彩色图像的边缘,且有较好的去噪功能。