基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,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,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

一种改进的快速图像修复算法

目前基于结构的图像修复算法中,基于快速行进的图像修复算法能够简单快速的修复数字图像中的破损区域,但是修复效果一般,特别是边缘区域的保持效果较差.在快速行进算法中引入了梯度权函数和距离权函数,通过对邻近点的加权计算进行排序,然后按权值大小对破损区域进行逐步修复,并利用梯度排序对边缘进行保持.实验结果表明该算法修复效果要优...     

改进TV-H-1模型的图像修复方法

为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果.     

基于图像分解的敦煌壁画图像修复方法

提出一种基于分解的图像修复算法,该算法对敦煌壁画的数字图像进行修复。选择用Lαβ色彩空间进行通道分解实现彩色图像的修复,并利用整体变分降噪模型进行图像分解,该分解算法不需要进行Banach空间范数的计算,不仅降低模型的数值计算复杂度,还可以降低敦煌壁画中的噪声对修复结果的影响。实验证明:该算法很好地解决壁画中的划痕和脱落等现象的破损,修复效果较好。     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想。为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法。首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;然后对破损图像和相似图像进行配准,利用单应性变换实现图像空间位置的自动粗纠正;最后使用改进的最佳匹配块搜索方法和匹配准则来改善纹理合成效果,实现图像的最终修复。仿真实验结果表明,该方法可以获得较多的有用信息,产生良好的纹理合成效果,克服了传统算法和深度学习方法的缺点,即使对于具有复杂纹理信息和结构的破损图像,也能够得到良好的修复效果。     

综合结构与纹理特征的图像修复算法

为了还原图像中已经损失的信息,采用综合图像结构与纹理特征的方法,对图像修复进行了研究.在选定修复区域后,算法能自动根据待修复区域周围的信息进行填充,无需人为干预.实验结果表明,对于有划痕或较大损坏区域的图像,该算法都取得了较好的修复效果.     

基于曲率驱动的图像修补方法

利用Euler’s Elastica Inpainting Model建立曲率驱动图像修补模型,基于该模型建立了一个新的曲率驱动图像修补方程,并实现了此图像修补算法.从修补效果可以看到,不仅待修补区域在图像内部时修补后的图像具有良好的光滑性,而且当待修补区域在边缘处时仍具有光滑的水平线和陡峭的边缘.     

基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.     

一种基于全变分模型的图像修复改进算法

为了恢复图像中划痕、文字等小目标去除后丢失的相关信息,对全变分(TV)模型及其自适应算法进行了分析和改进。在Chan提出的图像修复原则的基础上给出了两个阈值参数,对原有算法中的权值系数进行了改进。仿真实验结果表明,本文算法在保证原有算法修复效果的同时能够有效地提高运算速度,取得了较好的实际效果。     

纹理萃取耦合U型更新的图像修复算法

针对传统图像修复算法在对破损区域优先权计算时,没有对破损图像纹理进行合理的预先处理,致使修复后的图片出现错误的匹配和纹理延伸等诸多问题,提出一种纹理萃取耦合U型更新的图像修复算法。首先,利用小波变换的方法去噪再结合角点检测分析,萃取出破损区域的纹理指标,对破损区域进行纹理萃取处理,以有效反应破损区域图像与匹配图像中纹理的相似度,在优先权计算时,利用萃取的纹理指标,以增加对匹配块优先选取的可靠性。其次,为解决Criminisi算法中置信度值快速趋0,从而导致修复图像连贯性差的问题,利用U型计算方式对修复块的置信度进行强化从而抑制置信度的快速衰减,解决修复图像连贯性差的问题,优化图像修复的视觉效果。通过与不同的图像修复算法进行对比实验,验证了文中所提修复方法具有更加稳定修复效果,更加符合肉眼在对图像观察时的视觉要求。     

一种基于区域搜索的快速图像修复算法

基于纹理合成的图像修复技术在修复大面积破损区域时,普遍存在时间复杂度高的问题.针对Criminisi等提出的基于样本图像修复算法中的匹配技术存在的问题.该文提出了一种根据图像破损区域尺寸进行快速匹配的算法.同时,为了强调前次修复对以后修复产生误差累积的影响,提出了新的置信度更新方法.实验结果表明,改进算法对图像结构边缘...     

一种含噪提花织物图像的数码修补算法

针对提花织物图像在噪声环境下修补精确度低的问题，提出了一种基于Mumford-Shah（MS）
模型的修补算法。为了改善不连续点集沿光滑轮廓演化的能力对修补效果的影响，对MS分割模型进行了改
进，增加了其对不连续边缘形成过程的光滑连接约束。提出了MS修补模型的极小化问题，确定了MS修补模
型的Γ-收敛泛函序列，给出了泛函序列元的梯度流方程，并采用有限差分逼近来实现该方程的数值求解
。算法对于待修补破损区域的拓扑形状没有限制。对含噪提花织物图像的修补实验结果验证了该算法的有
效性。     

基于双十字TV模型的图像修复算法

当前的各种TV(total variation)算法均只利用待修复点及其邻域的4个点的信息进行修复,由于所提供的参考信息有限,使得修复后的图像精确度欠佳. 该文提出的双十字TV算法利用原始的TV算法,将待修复点邻域中的8个点分为两组,分别利用每组4个点的参考信息计算待修复点的像素值,然后将这两个像素值进行加权平均得到最终的修复值. 实例验证结果表明,在不增加时间复杂度的情况下,双十字TV算法有效提高了修复后图像的精确度.     

基于改进FCM和径向基函数插值的图像修复

图像破损区域的检测提取是图像修复过程中的关键预处理步骤,模糊C均值聚类算法(FCM)在聚类过程中易受到初始聚类中心影响并陷入局部最优.提出一种基于差分演化的改进模糊C均值聚类算法(DEFCM),该方法通过建立图像的灰度-梯度直方图获取聚类数目,作为差分演化算法(DE)问题的维数,结合改进的FCM自适应提取图像破损区域,在此基础上,利用径向基函数插值方法(RBF)对图像进行修复.经实验验证,该方法能解决FCM算法陷入局部最优的问题,能正确、稳定的提取灰度图像的多种破损区域,RBF通过对破损区域的插值得到缺失信息,实现图像的修复.     

一种改进的灰度图像修复算法

针对大面积破损区域图像修复中Criminisi算法存在修复质量差和时间复杂度高的缺点,提出一种改进的图像修复算法。改进算法将优先权的计算形式由相乘变为相加,并增加梯度数据项对优先权的计算方式。通过结构信息控制优先权,从而优先修复结构信息。设计根据待修补块中心点的梯度大小,使用全局搜索来寻找匹配块,以提高修复质量和速度。对置信度更新的方式进行修正,引入每次匹配的精度作为惩罚因子的参数,以减小误差向下一次迭代的传播。仿真实验显示,改进算法的修复效率比原算法提升了58%到70%,且修复质量的视觉效果有所提升。     

TV数值计算的图像去噪

继承传统TV去噪算法的图像边缘保护性,弥补平滑区域抑噪不充分的不足,结合图像的空间梯度和像素梯度,提出了新的基于TV数值计算的去噪算法。该算法分析了图像的空间梯度;为了抑制噪声对图像平滑区域梯度的影响,对该区域的空间梯度进行抑制,克服了传统TV算法对平坦区抑噪不充分,甚至出现的虚假边缘和阶梯效应;结合像素梯度分析了图像TV去噪的迭代函数。实验结果表明,该算法实现了保边去噪且残余噪声较小,提高了图像的峰值信噪比(PSNR)和视觉效果。     

一种基于微小区域的TV双调和型偏微分方程图像修复方法

针对具有微小缺失或破损的图像修复问题,基于变分和偏微分方程理论基础提出一种TV双调和偏微分方程图像修复方法。该模型在Sobolev对偶分布空间H~(-1)(Ω)上考虑一个变分问题,它的Euler-Lagrange方程是一个与多孔介质方程相关的非线性双调和椭圆扩散方程。首先,将方程归结为一个最小化问题,再利用双调和椭圆边值问题得到Euler-Lagrange最优条件下的广义解,最后采用尺度空间的稳态解和最小二乘法进行数值模拟,从峰值信噪比、平均结构相似度和视觉效果等3方面对模拟实验的图像进行评价。该模型允许观测图像f可以不是标准L~1函数,而是H~(-1)分布或测度,因此,适用于修复一组任意小的带条或者像素有限点集。该算法充分利用现有像素的邻近信息,对3种非纹理类型的具有较小或较细缺损的图像修复效果有所改进,数值实验也说明这种方法在修复过程中,明显保护了边缘特征、有效避免了阶梯效应,提高了视觉质量。     

样本块双向匹配图像修补算法

为了解决基于样本图像修补算法的误匹配、结构断续等问题,提出了一种基于样本块的双向匹配图像修补算法。从待修补块中已知和未知两部分信息的邻域出发研究修补问题,引入匹配块中与待修补块中未知区域对应信息的一致性判定准则,提出待修补块优先级和最佳匹配块是由与待修补块中已知信息的相似性和与待修补块中未知信息邻域的一致性共同决定,更大限度地利用了图像的已知信息。该算法有效地解决了Criminisi算法的误匹配及结构断续问题以及Kawai算法的模糊问题,实验结果表明该算法是有效、可行的。     

针对匹配块不存在的Criminisi算法改进研究

该文针对Criminisi算法在已知区域中不存在合适匹配块而造成的修复效果失真问题,探讨了一种利用匹配块相似度大小,对修复失真区域进行定位和修复的改进算法.算法首先对Criminisi算法在修复过程中所产生的修复失真区域进行定位,然后将该区域分解为结构和纹理两部分,最后分别利用TV模型和纹理合成技术完成对结构、纹理的修复.实验证明,改进算法较好地克服了Criminisi原算法所存在的缺点,有较好的视觉效果.