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。     

基于纹理和结构的图像修复算法研究

图像修复是一种修复图像中破坏部分的技术,具有广泛的应用。传统的图像修复算法对于纯结构或纯纹理图像有较好的修复效果,对于既有结构又有大量纹理的图像,可以先将图像分为结构子图和纹理子图,再分别用不同的方法处理两个子图。算法结合了Poisson方程和块纹理合成的思想,首先将原图分解成结构子图和纹理子图两部分,然后根据两个子图各自的特征分别进行修复。对于结构子图像,采用基于Possion方程的方法进行修复,对于纹理子图,采用纹理块合成方法进行修复。实验证明,该算法具有良好的修复效果。     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

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。     

基于演化算法的纹理合成图像修复技术

针对Criminisi算法中计算待修复块优先级时存在的一些不足及搜索最佳匹配块效率低的问题,提出一种基于演化算法EA(Evolutionary Algorithm)的纹理合成图像修复技术。该算法首先从等照度线方向和梯度方向共同考虑待修复块的优先权,并根据梯度的变化来控制模板窗口的大小,然后提出用演化算法在待修复区域周围搜索最佳匹配块,最终达到快速准确修复图像的目的。仿真实验表明,提出的新算法与传统算法相比具有更快地收敛速度和更好地修复效果,其综合性能优于Criminisi算法。     

基于图像分解的含噪破损图像修复

对Meyer图像分解模型进行改进,所得到的新模型SID(Simplified image decomposition)无需Banach空间的范数计算,降低了计算复杂度.使用SID首先分离出图像中的大部分噪声,然后将剩余部分分解成结构部分和纹理部分.对结构部分使用简化的整体变分修复算法,对噪声部分和纹理部分使用基于样本的纹理合成,再将结果融合.实验结果表明,该方法克服了单独使用整体变分修复算法纹理合成的局限性,对噪声具有较好的鲁棒性.     

纹理合成在图像修复中的应用研究

图像修复是数字图像处理领域中的主要研究方向,该文介绍纹理合成技术中的Criminisi算法,并针对其在利用边界点优先权调整修补次序过程中存在的问题,提出一种改进算法,该算法不仅可以有效改善图像的修复效果,还可以在数字图像上实现用背景替换较大的前景物。实验结果证明了其有效性。     

基于随机映射的快速图像修复算法

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。     

一种改进的基于样本的图像修复方法

分析了Criminisi等人提出的基于样本的图像修复算法,针对其在计算修复块优先级时存在的一些不足,提出一种改进的基于样本的图像修复方法,通过基于TV模型的分解算法将待修复图像分解为结构图像和纹理图像,利用结构图像来计算修复块的优先级,使得优先级的计算更加准确。实验结果表明该方法对图像结构边缘的修复有明显的改善。     

一种改进的基于纹理的图像修复算法

图像修复是数字图像处理领域重要的研究内容,该文针对Criminisi等人提出的基于纹理的图像修复算法的一些不足,提出一种改进算法,优化了纹理块优先权的计算方法,采用新的搜索匹配块方法和改进了匹配准则.实验结果表明,该算法具有良好的修复效果.     

Fast Image Inpainting Based on Coherence Transport

High-quality image inpainting methods based on nonlinear higher-order partial differential equations have been developed in the last few years. These methods are iterative by nature, with a time variable serving as iteration parameter. For reasons of stability a large number of iterations can be needed which results in a computational complexity that is often too large for interactive image manipulation.Based on a detailed analysis of stationary first order transport equations the current paper develops a fast noniterative method for image inpainting. It traverses the inpainting domain by the fast marching method just once while transporting, along the way, image values in a coherence direction robustly estimated by means of the structure tensor. Depending on a measure of coherence strength the method switches continuously between diffusion and directional transport. It satisfies a comparison principle. Experiments with the inpainting of gray tone and color images show that the novel algorithm meets the high level of quality of the methods of Bertalmio et al. (SIG-GRAPH ’00: Proc. 27th Conf. on Computer Graphics and Interactive Techniques, New Orleans, ACM Press/Addison-Wesley, New York, pp. 417–424, 2000), Masnou (IEEE Trans. Image Process. 11(2):68–76, 2002), and Tschumperlé (Int. J. Comput. Vis. 68(1):65–82, 2006), while being faster by at least an order of magnitude.     

特征向量一维化的图像修复算法

图像修复是指对图像中的缺损部分进行自动修复.图像结构特征向量一维化的图像修复算法,将图像转换为一维图像结构特征向量后,构建图像结构特征空间,然后在该特征空间内寻找一组与每一个含有缺损部分的图像区域高度相似的特征向量,并利用这组特征向量在特征空间内定义一子空间,最后基于该特征子空间修复缺损像素.试验表明,经过图像的一维化后,增加了特征向量的数量,从而能够更加准确地修复缺损区域.     

遮挡物体移除与图像纹理修补方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像纹理修补方法.首先将抠像技术应用到目标物的提取过程中,然后使用图像分割的方法实现了分区修补的目的.改进后的方法能够更好地还原图像的线性特征并且减少图像修补的时间.在此基础上,根据不同角度的图像可以提供更加丰富的修补信息这一思想,进一步提出一种基于多幅图像的修补方法,并取得了更高质量的修补效果.实验结果表明,该方法不仅能够准确地提取并移除图像上不需要的物体,而且能够有效地修补图像受损区域的纹理和结构.     

一种改进的快速步进图像修复算法

图像修复是数字图像处理的重要内容，可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏。基于水平集应用的快进修复算法可以简单快速且有效地修复数字图像中的破损区域，但对边缘的保持能力不够。针对这一问题提出了改进方案。利用梯度排序来保持图像内部的边缘，实验结果也表明改进后的修复结果要优于原算法。     

一种改进的快速步进图像修复算法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏。基于水平集应用的快进修复算法可以简单快速且有效地修复数字图像中的破损区域,但对边缘的保持能力不够。针对这一问题提出了改进方案。利用梯度排序来保持图像内部的边缘,实验结果也表明改进后的修复结果要优于原算法。     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用模糊c-均值聚类算法进行纹理分割,获得了较好实验结果。