基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

基于平滑度测量与互相关制约的图像修复算法

目的为了解决当前较多图像修复算法在对损坏区域实施填充修复时没有考虑图像块之间的相关性,导致修复图像中存在振铃以及连接间断等不足,拟设计平滑度测量因子耦合互相关制约的图像修复算法。方法将图像的Laplace算子引入到优先权的计算过程中,以增加图像的边缘信息,优化数据项的成分,并利用置信度、图像的Laplace算子和数据项构造优先权计算模型,以获取优先修复块。利用等照度线的二阶导数,构造平滑度测量因子获取图像的平滑度,并以图像的平滑度为导向,对最优匹配块的搜索区域进行定位。通过误差平方和函数(SumofSquaredDifferences,SSD)在定位的搜索区域中搜寻最优匹配块,并采用互相关系数函数对最优匹配块的唯一性进行制约,以提高所获最优匹配块的准确性。结果实验结果显示,与当前修复技术相比,所提方法具有更高的连接完整性和清晰度。结论所提方案可对损坏图像完成较好的视觉复原,在图像信息处理领域具有一定的参考价值。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

图像修复的邻域差值扩散模型

针对BSCB模型在修复图像时会使处理后的区域产生模糊的缺点,分析其产生的原因,并在此基础上提出了一个新型的偏微分方程--邻域差值扩散模型.该模型重新定义了图像修复过程中所使用的扩散信息和扩散方向,在很大程度上避免了BSCB模型模糊问题的出现.实验表明,邻域差值扩散模型改善了图像修复的效果,使修复后的图像无论在平滑区域还是边缘区域都很清晰.     

基于多帧"差分"图像的分辨率提高算法

介绍了一种基于多帧"差分"图像重建高分辨率图像技术,并从CCD数字化采样能量的角度分析了多幅低分辨率的"差分"图像与高分辨率图像各像素灰度值的对应关系,给出了通过图像"差分"技术提高探测图像分辨率的倍数与所需CCD最少数目之间的一般规律.最后,采用Matlab软件以一幅黑白条纹均匀分布的图像作为目标物,模拟了图像"差分"技术的实现过程,仿真结果表明了该技术的可行性.     

基于引导因子与曲率惩罚模型的图像修复算法

目的 解决当前图像修复方法主要通过待修复像素点的法向量来确定修复过程,无法保证其修复顺序从破损区域的周边至中心进行,导致修复图像中存在块效应和不连续效应等问题。方法 将引导因子与曲率惩罚模型相结合,设计新的图像修复方法。利用破损区域的中心像素点与其他任意待修复像素点之间的距离来构造引导因子,并将其与置信度项以及数据项结合,形成优先权模型,用于选取优先修复块。利用待修复块的梯度特性对其平滑度进行判断,以明确该待修复块对应的最优匹配块的搜索范围,使其通过最小绝对差平方和（SSD）函数来搜索最优匹配块,从而将最优匹配块中像素点扩散填充至待修复块。最后,基于像素点间的等照度线曲率来建立曲率惩罚模型,以更新置信度项,从而实现图像的修复。结果 测试数据表明,与已有修复方案相比,所提算法可以更好地兼顾修复质量与效率。结论 所提方案具有较好的修复质量,可用于损坏面积较大图像的复原。     

基于显著结构重构与纹理合成的图像修复算法

文章结合结构修复算法及纹理修复算法各自的优点,并考虑显著结构对图像修复的巨大影响,提出结合显著结构重构与纹理合成的图像修复算法。算法先利用形态学算子剥离待修复图像中细小结构与大块区域;然后利用快速结构修复算法对图像进行处理;再利用插值对待修复图像进行显著结构重构;最后利用基于改进优先级的加权匹配图像修复算法进行后续修复。实验结果表明,对既有显著结构同时又包含丰富纹理的待修复图像,与传统算法相比,本文的算法不但有更好的修复效果,而且耗时更少。     

基于Allen-Cahn方程图像修复的算子分裂方法（英）

本文提出了一种基于Allen-Cahn方程图像修复的算子分裂方法．其核心思想是利用算子分裂方法将原问题分解为一个线性方程和一个非线性方程,线性方程使用有限差分Crank-Nicolson格式进行离散,非线性方程利用解析方法进行求解,因此时间和空间都能达到二阶精度．由于该方法只作用于图像需要修复的区域,而其余区域的像素值与原始图像的保持一样,可以大大提高计算效率．合成图像和真实图像的数值实验验证了该算法的正确性和有效性．     

改进优先级的分步匹配图像修复算法

首先对Criminisi算法的优先级进行了改进,将图像的局部亮度方差作为优先级的一个度量因子,使图像的修复顺序更加合理;然后对Criminisi算法最佳匹配块的获取过程进行了改进,先后使用1范数和最小二乘法,改进了相似性度量函数,进行分步筛选,获取最佳匹配块,使得匹配更为准确,修复效果更加理想。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

基于平行坐标下降法的图像修复

以压缩传感和稀疏表示为理论依据,提出了一种基于平行坐标下降法的图像修复模型。该模型用小波变换作为图像的稀疏表示,以稀疏性作为正则化项;同时基于松弛阈值来标记函数实现全局优化,并采用该模型算法得到全局最优解。从峰值信噪比、收敛速度和视觉效果等3个方面验证了算法的有效性。结果表明新的模型无论是在客观还是视觉主观上都有更好的效果,同时算法具有更快的收敛速度。     

高斯曲率耦合相关性制约规则的图像匹配算法

目的针对当前较多图像匹配算法在匹配过程中因忽略了特征点之间的相关性而导致算法存在匹配正确度和鲁棒性不佳等不足,设计一种高斯曲率模型耦合相关性制约规则的图像匹配算法。方法首先,利用高斯滤波后图像的一阶矩阵和Hessian矩阵来构造高斯曲率模型,对Hessian算子进行改进,以充分检测图像的特征点。然后,通过求取扇形区域内的Haar小波响应获取特征点的主方向,并根据特征点邻域中像素点的灰度平均值计算特征向量,从而形成特征描述子,完成对特征点的描述。利用特征点集的均值与协方差矩阵来构造相关性模型,对特征点的相关度完成度量,从而定义相关性制约规则,对特征点的相似度进行判断,完成特征点的匹配。最后,利用RANSAC算法提纯匹配特征点,完成图像的匹配。结果仿真实验表明,与当前图像匹配算法相比较,文中算法不仅匹配正确度较高,且具有较强的鲁棒性,在旋转角度为50°时,其正确匹配精度仍可达到87%以上。结论所提算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。