基于两幅模糊与噪声图像的图像交替修复算法

针对一幅模糊图像和一幅噪声图像的图像修复问题,提出了一种结合TV-L~1模型与TV模型的新交替修复算法.该算法首先利用TV-L~1模型对噪声图像进行去噪;然后利用TV模型,把去噪结果作为迭代初始值,对于模糊图像去模糊;最后,把去模糊结果作为迭代初始值,再利用TV-L~1模型对噪声图像进行去噪……,如此交替进行.实验效果表明,该新算法不仅继承了TV-L~1模型与TV模型能保持轮廓和细节的优点,同时也有效地克服了这两种模型会降低对比度和出现"重影"的缺点.     

基于图像分解的图像修复技术

针对整体变分(TV)图像修复模型缺点,提出基于图像分解的修复模型。采用图像分解技术,提取图像的结构信息和纹理信息。将图像结构部分用基于TV的改进模型进行修复,避免TV模型在平滑区域产生阶梯效应。在迭代过程中,对图像的特征点与非特征点分别考虑,确保在修复过程中特征点不被模糊化,图像纹理部分采用改进的基于样本修复技术。Matlab仿真实验结果表明,改进算法的修复效果和峰值信噪比计算结果优于原始算法。     

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。     

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。     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.提出了一种改进的图像修复算法,该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

基于网函数插值的图像修复算法

图像在成像、传输等过程中会因为特定因素而导致图像数据失真,需对其进行修复。基于网函数插值理论,利用插值实现扩散修复,构造网函数插值图像修复算法,对斑点、划痕、文字三种不同类型的缺损图像进行修复实验,并与全变分（Total Variation,TV）修复算法进行对比实验。实验结果表明：1）该算法可有效修复三种不同类型的缺损图像;2）算法计算复杂度低,在多数情况下比TV修复算法收敛速度更快,修复效果更好。     

综合自适应阈值与多尺度的TV图像修复方法

基于TV模型的图像修复算法具有较好的修复效果,但其对参数的选取较敏感,且运算量较大。该文提出了一种综合自适应阈值与多尺度的TV图像修复算法,该方法不仅可以提高TV图像修复模型的修复稳定性,还可以进一步压缩运算量,提高修复速度。     

结合网函数插值与TV模型的图像修复算法

TV（Total Variation）模型用于图像修复时没有考虑缺损区域的方向信息,并且存在收敛速度缓慢以及修复质量较低等问题.针对图像上方向特征明显的条状缺损区域,提出带方向的TV图像修复算法（ADTV）.该算法分别针对4种方向（0度、45度、90度、135度）对TV算法离散格式进行改进,并引入方向判断,将缺损区域归类到此4种方向进行修复.实验结果表明,该算法充分利用了条状缺损区域的方向信息,有效提高了图像修复质量.为提高修复效率,将网函数插值分别与TV算法、ADTV算法相结合提出Net-TV算法、Net-ADTV算法.实验结果表明,结合算法不但有效减少了迭代次数,降低了时间成本,加快了收敛速度,而且提高了图像修复效果.     

结合纹理结构的分数阶TV模型的图像修复

目的 TV（total variation）模型在图像修复时易导致图像中具有弱导数性质的纹理和边缘细节等信息变得模糊,为了克服该缺陷,分数阶微分被引入到TV模型中,但传统的分数阶TV模型对弱边缘和弱纹理等细节信息的保持仍不够理想,并且没有充分利用图像已知区域的先验信息,修复精度仍有待提高。方法 针对该问题,提出结合纹理结构信息和分数阶TV模型的图像修复算法。改进的模型在分数阶TV模型求解时,在梯度计算过程中增加了一个极小值,克服了正则项和数据项在零点处的不可微,从而增加了模型的稳定性。再则改进的模型根据图像已知区域的先验信息确定待修复区域的纹理方向,从而更好地保持了图像中的纹理细节和弱边缘信息。结果 将本文算法与3种修复效果较好的算法进行对比,采用客观评价指标：均方差（MSE）、峰值信噪比（PSNR）和差值图像进行评价,实验结果表明本文算法在不同的纹理图像修复中均取得较好的效果,如对标准图像库中的Barbara和Lena图像以及岩石图像进行修复后,与原始TV模型相比,它们的峰值信噪比分别提高5.94%、8.07%和3.85%,灰度均方差分别降低48.66%、65.89%和35%;与分数阶TV模型相比,它们的峰值信噪比分别提高4.17%、8.59%和1.81%,灰度均方差分别降低37.90%、68.00%和18.68%。结论 提出的模型相对于原始的TV模型和分数阶TV模型,均能有效地提高图像修复的精度,适合于包含较多弱纹理和弱边缘信息的图像修复,该模型是TV模型的重要延伸和推广。     

双份分形码与自适应TV模型的图像恢复

为了既能让被篡改图像的结构信息得到恢复,又能让图像的细节部分得到很好的修复,提出了一种基于双份分形码解码与自适应TV算法相结合的迭代图像修复方法。该方法结合了自适应TV算法的梯度修复特性,利用原图的两种不同分形码进行迭代解码,从而实现对篡改图像结构和细节部分的修复。实验结果表明,算法对图像的结构和细节修复上都具有较好的效果。