基于求解泊松方程和梯度的图像修复的研究

提出了一种基于梯度的新的图像修复算法从图片或照片上面去除有影响的物体。文中的方法是分两个阶段来重建移除的区域：移除区域的梯度通过填充算法来填充;通过解泊松方程在梯度映射下来重构图像。在填充梯度的方法中提出了一个新的补丁匹配标准。在这个标准中,同时用到梯度和颜色信息,所以,有一个好的图像修复结果。文中用一些修复例子和结果进行比较,来演示本方法的优越性。     

小波域图像块修复

描述了一种在小波域中分块图像修复的新算法.该算法将修复过程分为两个步骤;首先寻找小波细节系数,用小波系数的能量来确定每一个图像梯度向量的大小;然后使用图像梯度向量来决定修复区中的哪个块应该首先被填充,使用基于小波域的纹理合成方法来具体填充这个块.连续迭代执行这两个步骤,直到修复区完全被填满.实验结果表明该算法的有效性.     

高可信度图像修复方法

在基于样例图像修复思想的基础上,从填充次序与目标块搜索两个方面进行改进,提出了一种图像修复方法。分析了Criminisi等人提出的修复算法,引入混淆系数来确定目标块的填充次序,以图像源区域中“有且只有一个”块与目标块相似来定义可信度,并优先填充可信度高的目标块。混淆系数的计算自然地将寻找高优先级目标块、搜索对应的匹配块两个过程统一,以避免误差累积。通过自然图像移除大面积物体的比较实验,表明算法适用于具有复杂背景的较大区域修复,视觉效果理想。     

改进的TV模型图像修复算法

分析了基于TV模型的图像修复算法,针对各参考点梯度模值的大小不同,对原始模型进行了改进.该算法通过计算待修复区域像素点的梯度信息来构造一个扩散函数,利用其控制各参考点对待修复区域的贡献值,然后再进行加权处理.实验结果表明修复变化剧烈和有较大破损的图像效果较好,图像边缘清晰,过渡自然.     

一种有效的大区域图像修复算法

关于图像修复优化,普通的非纹理图像修复或纹理综合算法都不能对修复区域为大区域的自然图像取得很好的修复结果,传统的CPT算法提出了一种很好的解决自然图像修复思路,结合纹理综合和非纹理修复的方法,采用迭代算法,每次对优先权最高的一点进行块匹配,以此来提高修复过程的有效性,但也存在不足。通过对CPT算法存在的问题进行分析,并在其框架下进行充实和改进,提出一种有效的大区域图像修复算法,并给出一种全新的梯度优先的计算方法。实验证明该方法是有效的,提高了大区域图像修复效果。     

局部特征信息约束的改进Criminisi算法

针对Criminisi算法计算目标块填充优先权等级时存在缺陷的问题,提出了一种改进的修复算法,方法在确立新的优先等级函数时,充分考虑图像的局部特征信息--曲率和梯度,将曲率及梯度信息作为优先权值的数据项,从而获得更加可靠的填充修复顺序。实验结果表明,和Criminisi算法相比,该方法克服了修复过程中高纹理区域向低纹理区域过度扩散的问题,并取得了更加理想的视觉修复效果。     

一种改进的放大图像边缘修复算法

为了保持放大后图像清晰且光滑的边缘,提出了一个基于边缘轮廓拟合插值和分水岭变换的边缘修复算法。算法的主要思想是对原始图像进行初始放大,自动确定模糊区域,从而进行修复处理。通过分段三次Hermite插值提取初始放大图像的边缘。对边缘进行膨胀进而自动获取标记图像。对初始放大图像进行距离变换,从而提供了分水岭变换所需的地势图。有了标记图像和地势图就可以利用分水岭变换逐步填充模糊区域像素。实验结果表明：与已有算法相比,该算法降低了对图像梯度的敏感程度,图像边缘更为光滑清晰,并且在运行效率上大大提高。     

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.     

拓扑梯度耦合多重最小修补路径的连续边缘图像修复算法

当前的图像修复算法都是利用非连续边缘的已知块信息来完成损坏区域的填充,造成图像模糊与视觉不连通;且修复路径都是随机确定,使其成本较高.对此,提出了拓扑梯度耦合多重最小路径快速行军的连续轮廓图像修复优化算法.引入拓扑梯度,检测出缺失区域的边缘轮廓;定义关键点择取规则,提取图像损坏区域的关键点,嵌入权重因子,建立权重距离函数,计算最小修补路径成本,并设计多重最小路径快速行军机制,提取出连续边缘,完成损坏区域填充.仿真结果显示,与其他图像修复算法相比,本文算法可检测出损坏区域的连续边缘轮廓;且该算法具有更好的修复视觉与效率.     

一种基于纹理合成的高效图像填充方法

为了更好地解决图像填充与修复问题,提出了一种基于图像样本纹理合成的新方法。该方法提出了一种新的定义像素点优先级的思路,来确定待填充区域的填充顺序,以此来保证处理结果的质量。相较于其他图像填充算法,该算法无需复杂的数学模型和大量的计算过程,从而提高了运算速度。实验证明,该方法不仅在处理效率上取得了很大进步,而且输出图像的质量也取得了理想效果。     

不规则块的图像补全算法

目的 目前在图像补全领域研究的重点和难点是补全具有复杂结构信息和丰富纹理信息的大破损区域的图像。传统的基于样本块的图像补全算法主要采用规则的模板块和匹配块来进行补全,补全过程中不能充分利用图像的结构或纹理的不规则信息,从而影响算法修复的精度和效率。针对这一问题,本研究提出一种基于不规则块的图像补全算法。方法 在该算法中,首先利用结构稀疏度来区分图像的结构信息和纹理信息并基于结构稀疏度和置信度计算破损区域边界点的优先级,然后选择优先级最高的点构造规则模板块。对处于复杂结构区域的模板块,如果其邻域含有已知的结构信息,则膨胀该规则模板并利用其周围的结构信息来辅助构造不规则模板块。接下来,在图像完好区域内搜索与该模板块对应的匹配块,如果该匹配块的邻域包含有效的结构信息,则膨胀该匹配块并补充其周围的结构信息来完善该不规则匹配块。最后,利用该不规则匹配块补全破损区域。对于补全过程中块间接缝造成的视觉不连通问题,本研究利用图像的纹理信息来进行修饰。结果 将本文算法与4种修复效果较好的算法（3种基于规则块的算法和1种基于局部敏感哈希的修复算法）进行对比,通过8组经典图像进行实例验证,采用客观评价指标峰值信噪比PSNR和主观视觉连通性进行评价,结果表明本文提出的算法峰值信噪比相较4种对比算法均有04 dB的提高,且在补全的精细度和视觉连通性方面有更佳的效果。结论 本文算法在补全含有较复杂结构和丰富纹理的破损自然图像、壁画图像和目标物体移除上有较好的修复效果,普适性较强。     

Object detection,shape recovery,and 3D modelling by depth-encoded hough voting

Detecting objects, estimating their pose, and recovering their 3D shape are critical problems in many vision and robotics applications. This paper addresses the above needs using a two stages approach. In the first stage, we propose a new method called DEHV – Depth-Encoded Hough Voting. DEHV jointly detects objects, infers their categories, estimates their pose, and infers/decodes objects depth maps from either a single image (when no depth maps are available in testing) or a single image augmented with depth map (when this is available in testing). Inspired by the Hough voting scheme introduced in [1], DEHV incorporates depth information into the process of learning distributions of image features (patches) representing an object category. DEHV takes advantage of the interplay between the scale of each object patch in the image and its distance (depth) from the corresponding physical patch attached to the 3D object. Once the depth map is given, a full reconstruction is achieved in a second (3D modelling) stage, where modified or state-of-the-art 3D shape and texture completion techniques are used to recover the complete 3D model. Extensive quantitative and qualitative experimental analysis on existing datasets [2], [3], [4] and a newly proposed 3D table-top object category dataset shows that our DEHV scheme obtains competitive detection and pose estimation results. Finally, the quality of 3D modelling in terms of both shape completion and texture completion is evaluated on a 3D modelling dataset containing both in-door and out-door object categories. We demonstrate that our overall algorithm can obtain convincing 3D shape reconstruction from just one single uncalibrated image.     

基于统计特征的图像修复

在基于样图图像修复思想的基础上,从填充顺序和匹配准则两个方面进行改进,提出了一种图像修复方法。优先级函数加入了面片梯度信息和方差信息,使得填充顺序能够正确地修复结构和纹理信息。匹配准则采用自定义的颜色特征函数和统计特征函数对相似片进行两重匹配,取最优匹配块填充。一系列的修复实例证明该方法的有效性和鲁棒性。     

涉及景深的雾天图像增强的偏微分方程模型

提出了一种新的雾天交通图像增强算法,对大气物理散射模型两边同时取梯度,得到原始图像与无雾图像梯度场之间的关系,将无雾图像的恢复转化成梯度能量泛函求极值问题,由变分得到图像增强的偏微分方程模型。通过暗原色先验,得到块透射率和点透射率,用快速小波变换分解的方法将块透射率的低频和点透射率的高频融合计算得到透射率,最后用有限差分法求解欧拉方程获得无雾图像。仿真实验结果表明该算法能够有效提高图像的质量。     

A Randomized Approach for Patch-based Texture Synthesis using Wavelets

We present a wavelet‐based approach for selecting patches in patch‐based texture synthesis. We randomly select the first block that satisfies a minimum error criterion, computed from the wavelet coefficients (using 1D or 2D wavelets) for the overlapping region. We show that our wavelet‐based approach improves texture synthesis for samples where previous work fails, mainly textures with prominent aligned features. Also, it generates similar quality textures when compared against texture synthesis using feature maps with the advantage that our proposed method uses implicit edge information (since it is embedded in the wavelet coefficients) whereas feature maps rely explicitly on edge features. In previous work, the best patches are selected among all possible using a L2 norm on the RGB or grayscale pixel values of boundary zones. The L2 metric provides the raw pixel‐to‐pixel difference, disregarding relevant image structures — such as edges — that are relevant in the human visual system and therefore on synthesis of new textures.     

有效保持细节特征的快速非局部滤波方法

非局部均值滤波方法具有优异的去噪性能,但该算法计算复杂度太高,且滤波后图像有大量结构残留。研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足。利用梯度域奇异值分解提取图像子块的结构特征,提出一种有效保持细节特征的快速非局部滤波方法。主要贡献有：（1）基于局部结构特征的鲁棒预选择方法;（2）相似集大小与滤波性能的关系以及相似子块的自动选取;（3）结构相似权系数的构造。利用欧氏距离的对称性进一步提高运行速度。实验结果表明,该方法在去除噪声的同时能有效地保持图像细节信息,取得滤波性能与运行速度之间较好的平衡。     

Locally affine patch mapping and global refinement for image super-resolution

This paper deals with the super-resolution (SR) problem based on a single low-resolution (LR) image. Inspired by the local tangent space alignment algorithm in [16] for nonlinear dimensionality reduction of manifolds, we propose a novel patch-learning method using locally affine patch mapping (LAPM) to solve the SR problem. This approach maps the patch manifold of low-resolution image to the patch manifold of the corresponding high-resolution (HR) image. This patch mapping is learned by a training set of pairs of LR/HR images, utilizing the affine equivalence between the local low-dimensional coordinates of the two manifolds. The latent HR image of the input (an LR image) is estimated by the HR patches which are generated by the proposed patch mapping on the LR patches of the input. We also give a simple analysis of the reconstruction errors of the algorithm LAPM. Furthermore we propose a global refinement technique to improve the estimated HR image. Numerical results are given to show the efficiency of our proposed methods by comparing these methods with other existing algorithms.     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。