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。     

方向性纹理图像的修复算法

自然图片和一些方向性纹理图像通常有污点或者希望去掉覆盖背景的一些目标,如果直接擦掉前景会留下一个“空洞”。针对这种强方向性纹理分布图像,提出一种修复算法去填充这些“空洞”。由于强方向性,算法通过在局部区域选择图像块以合成缺失的图像块。若缺失信息的图像块BT附近的为已知图像块BTN,沿着纹理/颜色分布的方向或者约束的方向搜索,可以找到与BTN最相似的块BSN,并用BSN附近的图像块BS去更新BT。在更新BT前,计算块与块之间边界的最小误差路径,以其为更新边界,以减小拼接的痕迹。最后文章给出了对不同的纹理图像修复的例子,以说明方法的有效性。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

结合纹理结构的分数阶TV模型的图像修复

目的 TV（total variation）模型在图像修复时易导致图像中具有弱导数性质的纹理和边缘细节等信息变得模糊,为了克服该缺陷,分数阶微分被引入到TV模型中,但传统的分数阶TV模型对弱边缘和弱纹理等细节信息的保持仍不够理想,并且没有充分利用图像已知区域的先验信息,修复精度仍有待提高。方法 针对该问题,提出结合纹理结构信息和分数阶TV模型的图像修复算法。改进的模型在分数阶TV模型求解时,在梯度计算过程中增加了一个极小值,克服了正则项和数据项在零点处的不可微,从而增加了模型的稳定性。再则改进的模型根据图像已知区域的先验信息确定待修复区域的纹理方向,从而更好地保持了图像中的纹理细节和弱边缘信息。结果 将本文算法与3种修复效果较好的算法进行对比,采用客观评价指标：均方差（MSE）、峰值信噪比（PSNR）和差值图像进行评价,实验结果表明本文算法在不同的纹理图像修复中均取得较好的效果,如对标准图像库中的Barbara和Lena图像以及岩石图像进行修复后,与原始TV模型相比,它们的峰值信噪比分别提高5.94%、8.07%和3.85%,灰度均方差分别降低48.66%、65.89%和35%;与分数阶TV模型相比,它们的峰值信噪比分别提高4.17%、8.59%和1.81%,灰度均方差分别降低37.90%、68.00%和18.68%。结论 提出的模型相对于原始的TV模型和分数阶TV模型,均能有效地提高图像修复的精度,适合于包含较多弱纹理和弱边缘信息的图像修复,该模型是TV模型的重要延伸和推广。     

基于图像分解的图像修复技术

针对整体变分(TV)图像修复模型缺点,提出基于图像分解的修复模型。采用图像分解技术,提取图像的结构信息和纹理信息。将图像结构部分用基于TV的改进模型进行修复,避免TV模型在平滑区域产生阶梯效应。在迭代过程中,对图像的特征点与非特征点分别考虑,确保在修复过程中特征点不被模糊化,图像纹理部分采用改进的基于样本修复技术。Matlab仿真实验结果表明,改进算法的修复效果和峰值信噪比计算结果优于原始算法。     

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。     

基于曲率驱动扩散（CDD）的图像修复模型

由于TV（总体变分）修复模型不能满足“连接性准则”。针对这个问题，Chan和Shen提出了基于曲率驱动扩散（CDD）修复模型，该模型通过在TV模型的基础上引入曲率项，从而使得“连接性准则”得以满足，本文将对此模型以及离散实现方法进行分析，并用实验得出结论：CDD模型具备了修复较大的破损区域及细小边缘的能力。     

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.     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.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,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

基于曲率驱动扩散(CDD)的图像修复模型

由于TV(总体变分)修复模型不能满足“连接性准则”。针对这个问题,Chan和Shen提出了基于曲率驱动扩散(CDD)修复模型,该模型通过在TV模型的基础上引入曲率项,从而使得“连接性准则”得以满足,本文将对此模型以及离散实现方法进行分析,并用实验得出结论:CDD模型具备了修复较大的破损区域及细小边缘的能力。     

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。     

多尺度唐墓室壁画病害标记及修复技术研究

古代壁画虚拟修复包括病害标记与缺损信息填充两部分。病害标记结果为虚拟修复建立先验模型,标记区域为图像信息缺损部分,未标记区域为有效信息源,修复过程为有效信息向缺损区域扩散的过程。依据唐墓室壁画的病害分类标准,采取多尺度病害标记,利用形态学高帽、低帽算子设计多尺度结构元素对病害进行标记,形成龟裂、裂隙、裂缝三种病害的分布图,并产生相应的掩膜。以此掩膜图像为先验模型,改进CDD算法的信息扩散方式,用交叉扩散代替正交扩散以适应带有确定方向性的信息缺失区域被合理填充,该方法能实现唐墓室壁画的多尺度修复。     

基于全变分小波域缺损修复算法的一种数值实现

针对基于全变分(TV)小波域图像修复算法,提出了一种新的数值计算方法。算法充分利用了图像待修复像素点周围八邻域的信息计算曲率在像素域的近似值。与传统近似求解方法不同,该数值近似计算方法不仅保证了近似结果具有更高的精确性,而且对噪声的鲁棒性好。对不同丢失率的图像用所提出的数值计算方法取得了较好的修复效果,尤其当小波系数丢失率较高时效果更为明显。所提方法可以为图像压缩导致的系数缺损修复提供解决思路。     

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。     

基于小波包分解的整体变分去噪算法

由Rudin等人提出的整体变分（TV）模型被认为是目前最好的图像去噪模型之一。理论表明,TV模型对分块常量的图像去噪效果显著。对于纹理细节丰富的图像,通过引入小波包分解技术,对图像的纹理细节进行多层小波包分解,得到一系列近似分块常量的子图像,用TV模型对子图像分别进行处理,从而图像的纹理细节得到了更好的保留。相对于单独使用TV模型去噪,该方法得到的复原图像峰值信噪比（PSNR）提高了1 dB左右。同时由于采用改进的Bregman迭代方案求解TV模型,算法收敛时间得到了极大的减少。     

改进TV复原模型的彩色-灰度图像变换方法

针对彩色图像到灰度图像的变换这一问题,提出了一种新的基于TV（全变分）复原模型的新方法。利用Sapiro等所提出的矢量图像的水平集概念,结合全变分复原,建立新的变换模型,实现算法。实验表明,所提方法实现的彩色-灰度图像变换,不仅很好地解决了原来传统变换不能保持形状的问题,并且能解决Sapiro等所提出方法的边缘模糊化缺点,使变换后图像的边缘锐利程度得到了较大的提高。     

一种新的基于偏微分方程的图像修复

图像的修复是图像处理中一个重要的部分,主要是利用一定的方法针对产生划痕和有缺损的图像进行修复,或者从图像中去除指定的物体和文字,以达到特定的目的。该文比较了CDD图像修复模型和快速图像修复模型的性能。它们都满足“连接整体性准则”,对于具有较大破损区域及细小边缘的图像具有良好的修复能力。但是前者修复速度较慢,而后者可以克服CDD修复速度较慢的缺点。实验结果表明,该模型在保证与CDD模型相近修复质量的情况下可以大幅度地提高修复速度。