基于尺度空间的小波纹理描述算法的壁画修复

近年来,壁画的数字化修复技术得到了很大的发展,但是其主要算法在图像纹理方向的修复效果一般。为了解决这些问题,还原壁画的原有样貌,提出了一种简单快速的壁画修复算法。该算法在改进的Telea算法的基础上,根据图像纹理的多尺度特征性,利用小波纹理描述算法对壁画的纹理结构进行了修复处理,运用非局部梯度算子,通过计算待修复区域的像素点的非局部梯度值并依据曲率选取的全局最优方向进行扩散,达到壁画纹理修复的目的。实验结果表明了该算法的有效性。     

一种呈现清晰纹理的快速误差扩散算法

清晰地呈现图像的细节纹理结构是现代数字半色调技术研究的重要方面.提出一种简单有效、且能保持原图像纹理结构的半色调误差扩散算法.该算法以Ostromoukhov算法为基础,根据图像灰度空间的局部分布特征,通过计算误差扩散像素点的局部视觉纹理反馈信息,对原固定阈值进行调节.实验结果表明,改进后的算法生成的半色调图像再现的纹理结构清晰自然,且具有蓝噪声特性,在PSNR、UIQI和SSIM三项指标评测方面均有较好表现.     

基于全变分和边界重构的纹理图像修复方法

在修复纹理图像时,将来自受损图像周边的像素或选出的纹理沿等照度线方向复制到受损区域内可能引起边界模糊。为解决上述问题,通过全变分将图像分解成骨架图和纹理图,用边界重建方法修复图像的骨架图部分,在修复的骨架图的导引下用纹理合成方法修复纹理图部分,使图像的纹理和结构得以同时修复。实验结果证明,该方法对具有复杂结构的纹理图像具有较好的修复结果。     

紧密系数耦合非线性结构张量的图像修复算法

为了解决当前基于PDE技术的图像修复算法采取了各向同性扩散,且没有考虑到损坏区域周边参考点的影响,使其修复图像存在不连续边缘与纹理模糊,降低了其视觉质量等不足,本文设计了紧密度系数耦合非线性各向异性扩散结构张量的图像修复算法。基于完好像素点与受损点之间的距离,构造紧密度系数计算模型;基于 技术,将结构张量嵌入其中,构造新的扩散速度模型,使其只沿着等照度曲线方向扩散,将从损坏图像中提取的掩码信息传播至受损区域,完成图像修复。仿真结果显示：与基于PDE技术的图像修复机制相比,本文算法具有更佳的修复质量,较好地保持了图像细节信息,无模糊效应;且修复图像的PSNR值最高。     

基于改进复扩散自适应耦合非局部变换域模型的图像放大

针对二阶偏微分方程（PDE）放大算法丢失弱边缘和纹理细节的不足,提出一种改进复扩散自适应耦合非局部变换域模型的图像放大算法。利用复扩散具有边缘定位准确的特点耦合冲击滤波器,改进复扩散模型能够较好地增强强边缘;而通过对相似图像块构成图像组的三维变换系数的稀疏特性进行建模,非局部变换域模型能够很好地利用图像中相似图像块的非局部信息,对弱边缘和纹理细节有较好的处理效果;最后利用复扩散得到图像的二阶导数作为参数实现改进复扩散模型和非局部变换域模型自适应耦合。所提算法与偏微分方程放大算法、非局部变换域放大算法和偏微分方程耦合空域非局部模型放大算法进行仿真实验比较,在强边缘、弱边缘和细节纹理具有较好的放大效果,弱边缘和纹理细节图像在平均结构相似性测度上高于改进复扩散放大算法、非局部变换域放大算法。所提算法验证了空域模型和变换域模型、局部模型和非局部模型耦合结合的有效性。     

基于图像结构纹理分解及局部总变分最小化的图像修复模型

在基于样例的图像修复算法中,由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰,导致修复顺序错乱;而在搜索最优匹配块时,因忽略了图像块内部的结构影响,可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先,根据对数总变分最小化模型,将待修复图像进行结构-纹理分解,得到图像的结构分量,并利用图像的结构分量来计算待修复点优先权,使优先权的计算排除局部纹理干扰而更具鲁棒性;其次,将优先权的计算改进为数据项和置信项的加权和,避免了乘积效应,确保数据项一直发挥作用,减少因修复顺序不合理造成的错误匹配;最后,根据图像的局部总变分最小化原则,将图像块的最优匹配转换为0-1优化问题,确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明,峰值信噪比（PSNR）提高了1.12~3.56 dB,结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则,具有更强的保持图像局部结构一致性的能力,改善了修复图像的视觉效果,适用于复杂结构的大面积毁损的图像的修复。     

基于条块拼接的快速纹理合成

针对离线纹理合成算法所生成纹理占用较多存储空间的问题,提出一种所生成纹理可紧凑保存的快速纹理合成算法.该算法相继沿垂直和水平方向以条块拼接的方式合成纹理,合成结果可表示为一系列切割路径的组合,仅需保存这些切割路径即可在渲染时实时重建出纹理图像.通过在预处理中计算得到一组误差小的平行切割路径,合成时无需进行匹配,使得合成速度大幅提高.该算法对于在水平和垂直方向具有自相似性的纹理具有较高的合成质量.     

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.     

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。     

基于样本块与曲率特征的图像修复改进算法*

针对目前基于样本块的图像修复算法在图像修复过程中容易产生错误的匹配纹理块,难以保持纹理结构连贯性的问题,提出了结合等照度线的曲率特征和高斯函数的图像修复改进算法,首先在数据项中引入了反映纹理结构特征的曲率因子来计算优先权;其次运用高斯函数更新置信项,避免了因置信项快速下降而导致的误匹配问题。通过计算修复结果的PSNR值与其他算法进行对比,实验结果表明,该算法对丰富纹理信息的图像有更好的修复效果。     

联合结构张量和变指数正则变分医学图像复原

利用图像局部特征,提出了一种基于[Lp]范数的变指数正则变分模型。采用结构张量作为[Lp]范数算子的自适应调整参数,克服了传统算子对噪声敏感的缺陷。从扩散的角度看,该模型是各向异性的,在图像同质区趋于平滑滤波,在图像渐变区趋于沿边缘方向扩散。该方法在扩散的同时更好地保持图像的边缘细节。实验结果表明,该方法对医学图像的复原效果优于其他几种变指数变分模型,各种客观性能指标也更佳。     

结合半局部信息与结构张量的无监督纹理图像分割

针对纹理的半局部性质与方向性,提出一种基于活动轮廓的无监督双纹理图像分割方法。首先分析基于半局部信息的纹理特征表示方法,指出其不能有效区分纹理的方向特征。然后利用半局部信息结合非线性结构张量构造4通道纹理特征,采用混合高斯模型作为纹理特征的概率密度函数,模型的数值求解采用分裂Bregman方法。新方法充分考虑纹理结构的周期性与方向特性,实验结果表明,其能够处理复杂的双纹理图像分割任务,同时具有高效与无监督特性。     

一种改进的联合图像分解及边缘提取模型

针对联合图像分解及边缘提取模型对复杂纹理图像提取的边缘信息不完整、存在奇异点等问题,提出一种改进模型。利用Weickert提出的扩散张量(International Journal of Computer Vision, 1999, No.2)对模型中边缘b的正则项进行改进,使其能分别在梯度方向和沿边缘方向控制边缘b的扩散率。数值实验结果表明,改进模型可提高边缘提取的准确性,降低奇异性。     

基于非线性扩散滤波的指纹增强算法

根据指纹图像的特性提出了一种利用非线性扩散滤波增强指纹图像以提取细节点的方法.该算法利用指纹图像的结构张量构造扩散张量.使得滤波沿着指纹脊线方向扩散.在求解非线性扩散滤波中最重要是怎样选取迭代时间和迭代步长.为了解决这两个问题,根据扩散张量在大小为(2n+1)×(2n+1)窗口上的离散形式,分解扩散滤波为4n个方向的和,然后利用托马斯-高斯消元法在每个方向快速求解非线性滤波后的指纹增强图像.该算法的优点是可以有效地连接断裂脊线,而不会改变指纹脊线的连续性和奇异性.在NIST27数据库及FVC2002数据库上的实验结果表明,基于非线性扩散滤波的指纹增强算法可以有效地提高提取细节点的性能和指纹匹配率.     

Non-local adaptive structure tensors : Application to anisotropic diffusion and shock filtering

Structure tensors are used in several PDE-based methods to estimate information on the local structure in the image, such as edge orientation. They have become a common tool in many image processing applications. To integrate the local data information, the structure tensor is based on a local regularization of a tensorial product. In this paper, we propose a new regularization model based on the non-local properties of the tensor product. The resulting non-local structure tensor is effective in the restitution of the non homogeneity of the local orientation of the structures. It is particularly efficient in texture regions where patches repeat non locally. The new tensor regularization also offers the advantage of automatically adapting the smoothing parameter to the local structures of the tensor product. Finally, we explain how this new adaptive structure tensor can be plugged into two PDEs: an anisotropic diffusion and a shock filter. Comparisons with other tensor regularization methods and other PDEs demonstrate the clear advantage of using the non-local structure tensor.     

融合典型纹理特征的粒子滤波目标跟踪方法

针对图像目标跟踪中,跟踪窗口易受噪声扰动所产生的跟踪不稳定问题。创造性地结合多种典型纹理特征和粒子滤波算法,将其应用于实时跟踪领域。选择3种典型的纹理特征,即灰度共生矩阵纹理特征、幅值与方向加权的梯度纹理特征、局部二进制模式纹理特征进行跟踪实验。通过对比实验,在精度与速度两方面测试纹理特征作为跟踪特征的实际效果。作为跟踪中特征的选择,实验结果说明灰度共生矩阵纹理信息在抗扰动与实时处理方面表现出良好的属性特征。     

基于图像局部结构的扩散平滑

各向异性扩散平滑去噪的主要特点是扩散方向的选择性与定向扩散能力,有效表征信号或图像的局部结构特征是各向异性扩散的基础,传统的梯度表示方法极易受到噪声干扰。该文在分析图像局部结构表征方式的基础上,定义一个图像的局部各向异性强度参数M,提出一个新的扩散方程。试验测试显示,新扩散模型相对于ALM模型与CAZ模型具有更好的噪声压制能力和定向扩散能力,信噪比分别提高了0.1 dB~0.8 dB和0.3 dB~1.2 dB。     

热扩散和整体变分模型自适应调整的图像放大模型

近年来基于偏微分方程的图像处理因其具有更强的局部自适应特性和高度的灵活性而成为继小波图像处理之后新的研究热点。本文在对热扩散模型和TV（Total Variation）模型分析的基础上,针对二模型在图像平滑区域及边缘或纹理区域扩散所表现出的不同特性和优势,提出一种基于图像局部特性的自适应混合图像放大模型,该模型以双线性插值后的放大图像为初始值,根据像素点梯度特性在平滑区域和边缘或纹理区域自适应的调整扩散模型,使得在平滑区域进行热传导的同性扩散,而在边缘和纹理区域处则进行沿与梯度方向相垂直的方向扩散。该模型很好的抑制了图像插值放大后所带来的块状效应,以及放大后边缘或纹理区域的假边缘现象。理论上证明了所提出模型解的存在性,同时大量的仿真实验验证了所提出模型的有效性。