螺旋状匹配搜索的块拼贴纹理合成

基于样图的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种纹理拼贴方法。该文在Efros块拼贴算法和徐晓刚的螺旋状点匹配搜索算法基础上,提出了一种螺旋状匹配搜索的块拼贴算法。该算法利用纹理块的连惯性,在搜索待合成纹理块时,在已合成纹理块在样本图像中位置的邻域进行搜索,找到匹配纹理块后进行输出。该方法大大加快了纹理合成的速度,与Efros块拼贴算法相比,在合成质量不变的基础上,合成速度平均提高了10倍。对于不同的纹理进行实验,其结果也令人满意。     

一种基于小波变换的邻域搜索分形图像编码

本文根据文献的研究结果,对传统的分形图像编码算法加以改进,即使用邻域搜索法代替传统的全局搜索法。并将其运用到图像小波变换后的低频部分,同时为得到较好的图像恢复效果,对高频部分采用进行零树编码。实验表明,该方法在较好的恢复图像的前提下,大大的提高了编码的速度。     

基于改进遗传算法的医学图片颜色迁移及重构

为了得到有效和符合真实人体器官组织的彩色仿真图片,通过灰色MRI切片和真彩图像的亮度及纹理的适应度的搜索取优而实现灰度MRI切片的颜色迁移。着重研究将改进遗传算法与点邻域亮度纹理分布和局部颜色结构分布相结合,并应用于Welsh图像彩色化算法和比较,探索用于遗传算法的种群选择、交叉和变异、编码方式和码值渐变自适应等调整技术和方法。将点邻域分布和彩色局部分布的彩色特征通过穷举法、随机法和遗传算法进行最优彩色点搜索分析比较。最后得到的彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造。     

基于蚁群优化的图像边缘检测算法

为提高图像边缘检测的精度与抗噪性能,提出一种基于蚁群优化的图像边缘检测算法.将图像像素梯度值和像素圆形邻域统计均值的相对差共同作为蚁群的启发信息,引导蚁群搜索图像边缘.实验结果表明,该算法能最大限度地保留边缘细节,并能抑制噪声和纹理,具有较好的鲁棒性.     

基于多邻域空间分布的图像检索

由于灰度共生矩阵及其改进算法存在计算复杂、且对于纹理分布信息缺乏计算以及忽略了图像相关特性等缺点,导致对于图像纹理的有效信息缺乏很好的描述,为此提出了一种新的纹理特征用于图像检索.该算法首先结合图像中像素的统计信息,针对不同的邻域范围提取图像的邻域相关矩阵,然后在此基础上构造多邻域空间分布特征用于图像检索.分析表明,该算法所提取的纹理特征计算量小,复杂度低,并且由于将纹理的结构特征和统计特征有效地结合起来,所以对图像的空间纹理分布特征可以较好地描述.为了证明新算法所提取纹理特征的有效性,将其用于图像检索实验.实验结果表明,新算法在检索精度上相比其他算法具有较大的提高.     

基于二维纹理样本的方向场引导的体纹理合成

提出一种考虑方向场的体纹理合成新方法.在二维纹理样本中搜索邻域,采用优化的邻域匹配算法逐个合成体素;在匹配二维纹理样本像素邻域和体素邻域时,考虑各体素上的方向,生成各向异性体纹理,并允许采用各向异性的二维纹理样本获得满意的合成结果.方向场可由过程式方法生成,也可由三维医学数据处理而得.实验结果表明,从动物的弥散张量图像得到的方向场能有效地合成真实的动物肌肉纹理,为计算机图形学提供了一种新的肌肉建模手段.     

基于改进PSO的医学图片颜色迁移及重构

通过对真彩图像与灰色MRI切片的亮度和纹理等特征的配准而进行灰色图像的彩色化,可以得到有效的而且符合真实人体器官组织的真彩仿真图像.着重研究将粒子群算法与点邻域亮度纹理分布和局部颜色结构分布相结合而应用于Welsh图像彩色化算法.通过粒子群寻优迭代方程的各参数的自适应调节和控制提升其性能,并将点邻域分布的颜色特征和彩色局部分布的颜色特征通过多种搜索算法如遗传算法和粒子群算法及其修正算法进行了适应度函数最优值搜索分析比较,其彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造.     

基于环形马尔可夫模型的纹理图像分类

提出了一种基于环形马尔可夫模型的纹理图像分类方法。利用环形邻域构建马尔可夫模型,在模型参数求解过程中,为了避免矩阵奇异,设计了模型参数分步求解算法。基于环形马尔可夫模型提取纹理特征,然后基于动态邻域Tabu搜索算法进行特征选择,得到最优的纹理特征子集,输入到最大似然法分类器中实现图像的分类。实验结果证明,与传统的栅格马尔可夫模型相比,环形马尔可夫模型能够更好地描述纹理图像像元之间的空间相关性信息,大大提高了纹理图像分类精度。     

纹理合成中邻域窗口参数的自动提取算法

在纹理图像合成中,邻域窗口的大小是一个重要参数,直接影响着合成图的质量。文章基于平滑图像与差值图像,通过对大量纹理图像和非纹理图像的实验分析,发现了一些规律,并在此基础上提出了一种邻域窗口大小的自动提取算法。试验表明,该方法对规则纹理和随机纹理都具有较好的效果,具有很好的实用价值。     

两步最优邻域匹配的快速图像恢复算法

最优邻域匹配(BNM)算法运用全搜索策略，具有很高的计算复杂度．跳跃环顾最优邻域匹配(JLBNM)算法采用跳跃与环顾相结合的搜索策略，提高了匹配速度．文中提出一种两步最优邻域匹配(TSBNM)算法，利用两步搜索作为搜索策略，交替运用浏览搜索和精细搜索寻找最优匹配块；同时，精细搜索借鉴了菱形搜索算法的搜索思想，使用模板进行搜索．实验证明，在获得相当恢复质量的前提下，TSBNM算法的处理时间约为BNM算法的8％～10％，约为JLBNM算法的77％．     

卡通纹理分解和全变分梯度算法实现图像恢复

为了研究图像恢复技术,提出采用卡通纹理分解和基于全变分的广义加速临近梯度算法实现图像恢复。将原始模糊图像分解成卡通部分和纹理部分,卡通部分主要是图像的低频成分受噪声干扰小,纹理部分主要是图像的高频成分受噪声干扰大,采用基于全变分的广义加速临近梯度算法进行图像去模糊和去噪,卡通部分选择较小的正则化参数,纹理部分选择较大的正则化参数,将恢复的卡通部分和纹理部分进行合成得到恢复图像。通过对两张标准测试图像的MATLAB实验仿真,证明了该方法不仅收敛速度快而且效果比一般的临近梯度算法要好,尤其适合于恢复模糊度不是很高的图像。     

纹理合成技术在旧照片修补中的应用

图像修复是图像复原研究的一个重要内容,它的目的是根据图像现有的信息自动恢复丢失的信息。在对目前图像修复技术两大类方法分析的基础上,提出了利用改进的纹理合成技术进行旧照片修补的方法,通过实验证明与变分方法图像修补比较有更好的效果,具有很强的实用性。     

基于稀疏分解的图像修复方法

提出将冗余离散小波变换(RDWT)和波原子变换(WAT)作为字典对应用于图像稀疏形态成分分解,获得图像的结构与纹理;然后针对结构和纹理所具有的不同形态学特征,对结构采用具有曲率驱动、边缘强化和平滑去噪性能的CDD模型修复,对纹理采用基于样例的Criminisi纹理合成方法修复;最后合成获得修复结果。实验结果表明,该修复方法能够获得强且光顺的边缘,纹理清晰完整,相比于传统方法具有更好的修复结果。     

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。     

一种基于各向异性扩散的图像处理方法

图像修复的方法有很多种,目前最常用的有基于偏微分方程（PDE）和基于纹理合成的修复方法。在图像的修复和去噪上,偏微分方程都有很好的应用,但对于含有噪声的破损图像的修复,传统的方法是先去除噪声再进行修复。在BSCB模型的基础上加以改进,提出了一种新的修复方法,结合现有的图像修复和图像去噪两种技术的优势,对图像破损区域修复的同时进行整幅图像的去噪,修复和去噪的过程都是各项异性扩散的过程,能很好地保留图像的边缘信息。通过数值实验也表明该方法的有效性。     

基于融合细分的纹理图像重构模型

针对分段迭代曲线拟合存在的重建区域轮廓不连续、重建区域尺寸有误差等问题,提出了一种基于融合细分的纹理图像重构模型.首先提取原始图像的分割区域,经过轮廓跟踪与下采样得到区域形状的特征向量;然后利用三重逼近与三重插值统一的融合细分方法,重建区域轮廓曲线;最后合成区域纹理,得到纹理图像重构结果.在多幅自然场景图像上进行实验验证,并给出相应的实验结果和分析.实验结果表明,所提模型正确有效,具有和人类视觉特性相符合的重构结果; 所提算法能够减少图像重建时的处理时间,并在图像质量主观评价指标上明显优于多区域图像重建算法.     

基于共生矩阵分析的自适应神经网络图像复原算法

为了保护图像中的细节信息,提出了一种基于共生矩阵聚类分析的自适应Hopfield神经网络图像复原算法．通过计算图像局部区域的共生矩阵提取其纹理特征,对共生矩阵非零元素进行聚类分析．根据聚类数量和各聚类之间的距离,提出了图像局部区域细节强度的定义及其计算方法．细节强度在准确地区分图像的平坦区域和细节区域基础上,通过非线性函数自适应地调整Hopfield网络的权系数矩阵,以使权系数适合图像的纹理特征,而且权系数的生成过程符合人的视觉特性．图像复原的迭代求解过程和神经网络权系数矩阵的更新过程交替进行．该算法能够在图像的平坦区域有效地抑制噪声,在包含细节的区域突出细节．对比实验结果显示,该算法获得的复原图像的信噪比明显提高,视觉效果明显改善．     

基于卷积自编码生成式对抗网络的 高分辨率破损图像修复

目的 破损图像修复是一项具有挑战性的任务,其目的是根据破损图像中已知内容对破损区域进行填充。许多基于深度学习的破损图像修复方法对大面积破损的图像修复效果欠佳,且对高分辨率破损图像修复的研究也较少。对此,本文提出基于卷积自编码生成式对抗网络(convolutional auto-encoder generative adversarial network,CAE-GAN)的修复方法。方法 通过训练生成器学习从高斯噪声到低维特征矩阵的映射关系,再将生成器生成的特征矩阵升维成高分辨率图像,搜索与待修复图像完好部分相似的生成图像,并将对应部分覆盖到破损图像上,实现高分辨率破损图像的修复。结果 通过将学习难度较大的映射关系进行拆分,降低了单个映射关系的学习难度,提升了模型训练效果,在4个数据集上对不同破损程度的512×512×3高分辨率破损图像进行修复,结果表明,本文方法成功预测了大面积缺失区域的信息。与CE(context-encoders)方法相比,本文方法在破损面积大的图像上的修复效果提升显著,峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)值最高分别提升了31.6% 和18.0%,与DCGAN(deep convolutional generative adversarial network)方法相比,本文方法修复的图像内容符合度更高,破损区域修复结果更加清晰,PSNR和SSIM值最高分别提升了24.4% 和50.0%。结论 本文方法更适用于大面积破损图像与高分辨率图像的修复工作。     

一种基于LIP的PDE图像复原新模型

以对数图像处理(LIP)数学模型为基础,结合全变分(TV)图像复原方法,提出了一种新的图像复原模型,称之为LIP_TV模型。该模型弥补了经典图像复原方法的不足,并具有与人眼视觉特征相吻合的特点。实验表明,与经典图像复原方法相比,该模型不仅复原效果更好,而且能很好地保持图像的边缘纹理特征。     

基于边缘重建的多尺度壁画修复方法

中国古壁画历经千百年历史,不可避免地出现了不同程度的破损,其修复研究具有重要的历史 价值和文化价值。传统的手工修复直接作用于壁画,操作不当会造成保护性破坏,所以采用数字虚拟修复,提 出了基于边缘重建的多尺度壁画修复方法。由于现存壁画数量较少,通过收集与整理我国不同地域年代的壁画 获得了实验数据。对自由裁剪后的壁画进行滤波平滑图像细节并保留其边缘,为破损区域的图像分割提供良好 的初始化条件,经过图像聚类自动计算待修复掩膜;修复过程以边缘重建为基础,对破损壁画在多尺度空间中 提取纹理特征,充分挖掘图像已知的可用信息进行其缺失内容的填补。实验结果表明,该方法不受壁画种类和 破损程度的限制,整个重建过程更加通用和有效,能够恢复得到具有结构完整和纹理清晰的图像,并取得较好 的修复效果。