一种快速块拼贴纹理合成算法

提出一种改进的基于样图的块拼贴纹理合成算法.针对拼贴纹理块时产生的局部性边界不匹配现象,用图的切割算法寻找块重叠区域的最优拼接路径,有效地提高了纹理合成质量.同时采用多分辨率图像金字塔构建输入纹理图像,并结合螺旋线搜索策略和加速算法提高纹理合成速度.     

基于模式相似性的图像修复算法

图像修复是一种去除图像中多余可视物体并用合理的纹理填充未知区域的技术。针对Criminisi等人提出的基于样本的图像修复算法在寻找匹配块时存在的一些不足,提出一种基于模式相似性的修复算法。该算法使用样本纹理的亮度变化和空域特性作为寻找匹配模块的约束条件。实验结果表明该方法在修复强结构纹理图像时有很好的效果。     

二层减法聚类图像颜色迁移算法

提出了一种图像自动颜色迁移方法,利用二层减法聚类将图像分成一定数量的子块,通过灰度差值直方图方法提取子块纹理特征,建立目标图像与源图像间子块的最佳对应关系,选取各子块数据点密度较大的像素组成子块的样本块,在对应源图像样本块中查找目标样本块的最佳匹配像素,完成样本块间颜色迁移,进而根据已上色的样本块完成目标图像的全局颜色迁移.该算法既适用于彩色图像间颜色迁移也适用于灰度图像上彩色.     

基于弱纹理块的扩频隐写分析

提出了一种基于弱纹理块的扩频隐写分析方法,可以对图像扩频隐写强度进行有效估计。该方法根据扩频隐写过程中的图像灰度截断效应对图像中各图像块进行预筛选,避免灰度截断干扰。然后基于图像块的梯度统计特性从扩频隐写图像中选取弱纹理块,并利用所选弱纹理块根据主分量分析方法估计图像中秘密信息的嵌入强度。仿真实验表明,该方法能很好的估计扩频隐写图像中秘密信息的嵌入强度。     

一种基于Contourlet变换和视觉感知特性的图像分割方法

纹理图像的分割通常是通过分离块或移动块进行的,即以块的特征作为块或块中心像素的特征来进行,纹理边界和图像边界像素的误分率高.提出一种新的基于视觉感知特性邻域结构的纹理图像分割方法.该方法分为两步:首先用移动块产生中心像素的特征属性值;然后每个像素建立9个特殊邻域结构窗口,通过邻域结构中属性特征的一致性来确定像素的特征属性值.用此方法对30种纹理图像进行了分割实验,取得了满意的结果.     

基于边缘方向投影的图像块修复方法

压缩图像在传输中,信道干扰常导致图像块数据丢失.给出一种基于边缘方向投影的图像损失块修复方法.按照周围邻域未损失像素的边缘方向信息将损失块分类,并根据类别用结合频域和空域信息的凸集投影算法自适应地修复损失块.能较好地修复图像边缘和复杂纹理.与RIBMAP方法相比,此方法在修复质量和算法顽健性上均有提高.     

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.     

基于多引导滤波器的单幅图像超分辨率技术

提出了一种基于多引导滤波器的单幅图像超分辨率方法。首先,该方法通过大量的自然图像建立高低分辨率图像块样本训练库,并通过聚类算法将具有相似性质的高低分辨率样本块进行聚类;其次,将输入低分辨率图像进行重叠分块,并在样本库中搜索最近邻的高低分辨率样本聚类;再次,将输入低分辨率图像块作为输入图像,与样本库中最近邻的低分辨率聚类样本作为引导图像,运用本文提出的多引导滤波器计算引导滤波器的参数;最后,利用样本库中最近邻的高分辨率聚类样本和引导滤波器的参数,通过多引导滤波器就可以重构高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。     

基于分形的图像修复算法

 图像修复是目前图像处理领域中的一个研究热点,对于较大孔洞的修复一直是个难点问题,已有算法都未能很好地解决.本文基于分形相关理论,提出了一种新的修复算法,很好地利用了图像的整体信息.论述了分形维数和分形编码序列块大小之间的关系,提出多尺度的分形编码及重构的修复方法.为了强化图像细节信息,进行了分形局部迭代.为了提高图像修复的质量,将图像进行了分形放大,再进行分形插值修复.从实验结果可以看出,新方法取得了较好的修补效果,尤其是对纹理图像和有较大孔洞的图像效果更好.     

基于结构分量和信息熵的Criminisi图像修复算法

针对Criminisi图像修复算法中优先级计算易受 图像纹理影响的问题,提出了改 进的基于图像结构分量的优先级函数。首先采用变分分解模型,将待修补图像分解为结构分 量和 纹理分量;其次基于结构分量计算数据项,排除纹理的影响;然后在优先权函数中 引入度量像素块复杂度的信息熵,将像素块中除了中心点之外其它位置的结构信息 融 入到优先权的计算中,使修补次序进一步向结构丰富的像素块倾斜;最后将优先权函数 表 示为置信度、数据项和信息熵的加权和,以解决传统Criminisi算法优先权随着置信度 迅速 下降为零而造成修复次序出现偏差的不足。新的优先权函数排除了像素块中在计算数据项时 纹 理的影响,并且融合更多的结构信息,使修复次序更加准确。实验结果表明,对于 不 同的人工图像和自然图像,本文模型都能取得较为满意的修复结果。     

基于多尺度分解的k邻域随机查找快速图像修复

该文提出一种基于多尺度分解的k邻域随机查找快速图像修复方法。基于双边滤波下采样分解图像,从图像最粗糙层开始,对每一粗糙层采用基于最小堆的k邻域随机查找算法快速搜索最佳匹配块,利用鲁棒优先级函数确定下一待修复块。每一粗糙层修复后用双边滤波上采样重建下一粗糙层,迭代得到最终的修复结果。与相关工作比较,所提方法的修复结果能够保持图像的细节和边缘信息,取得更高的修复质量。利用客观指标评价修复结果。实验结果表明该方法有效易行,修复的图像具有良好的可视效果。     

Nonlocal low-rank matrix completion for image interpolation using edge detection and neural network

In this paper, we propose a nonlocal low-rank matrix completion method using edge detection and neural network to effectively exploit the nonlocal inter-pixel correlation for image interpolation and other possible applications. We first interpolate the images using some basic techniques, such as bilinear and edge-directed methods. Then, each image patch is categorized as smooth regions, edge regions, or texture regions and adaptive interpolating mechanisms are applied to each specific type of regions. Finally, for each specific type of regions, neural networks and low-rank matrix completion are employed to accurately update the results. An iteratively re-weighted minimization algorithm is used to solve the low-rank energy minimization function. Our experiments on benchmark images clearly indicate that the proposed method produces much better results than some existing algorithms using a variety of image quality metric in terms of both objective image quality assessment and subjective quality assessment.     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。     

强化边缘结构分辨的分段自适应图像修复

针对Criminisi算法对边缘纹理分辨不足、无法识 别图像局部区域的直线和曲线的特征以及通过颜色进行块匹配而造成修复效果失真等问题, 提出一种局部特征与边缘纹理分辨相结合的分段自适应图像修复 算法。首先在分段自适应图像修复算法的优先权中引入边缘分辨因子和特征判断因子,增强 对边缘、局部 区域的直线和曲线的分辨能力,克服破损边缘不合理的修复顺序;其次在块匹配准则中引入 特征项,提高 样本块的匹配准确率,避免块匹配的颜色匹配不足;然后采用分段自适应算法进行置信项更 新,解决置信 项快速趋于0的问题;最后采用主客观的评价体系对图像修复质量进行评价。评价结果显示 分段自适应图 像修复算法的图像修复质量优于其他算法,信噪比和峰值信噪比的评价值均提高在 0~3.8之间;在结构相 似度的优化程度上提高了0~0.7%。实验结果证明,分段自适应图像修 复算法有效地修复了破损图像,获得较好的图像视觉效果。     

融合图像块低维流形特性与解析轮廓波稀疏性的压缩成像算法

基于图像的整体稀疏表示和图像块的局部特性,融合图像块低维流形特性和整幅图像在解析轮廓波表示下的稀疏性两种先验知识,该文提出了一种高质量压缩成像算法。该算法利用迭代硬阈值法和流形投影法重构图像。为减小运算复杂度,该文用多个线性子流形的并集来近似表示包含所有图像块的非线性流形,并根据图像块的主方向进行初始分类后再用稀疏正交变换获得各线性子空间的基。实验结果表明,该文算法的重构图像在峰值信噪比和视觉效果两方面均有显著提高。     

水平路径上多帧湍流退化图像重建

为了重建水平路径上远距离成像系统获取的湍流退化图像,提出去除形变和振铃的分块多帧盲反卷积方法.首先按采集的顺序将图像序列分成若干图像组,通过B-spline基函数配准方法去除非等晕块之间的形变,第二步通过基于块的时域融合算法去除等晕块间的振铃,得到衍射受限的湍流退化图像,最后将所得的多帧图像进行频域重建,复原高质量图像.实验表明,所提出的算法适合于水平路径上获取的退化图像的重建,得到较高的主观视觉图像质量.     

High efficiency depth image-based rendering with simplified inpainting-based hole filling

Hole and crack filling is the most important issue in depth-image-based rendering (DIBR) algorithms for generating virtual view images when only one view image and one depth map are available. This paper proposes a priority patch inpainting algorithm for hole filling in DIBR algorithms by generating multiple virtual views. A texture-based interpolation method is applied for crack filling. Then, an inpainting-based algorithm is applied patch by patch for hole filling. A prioritized method for selecting the critical patch is also proposed to reduce computation time. Finally, the proposed method is realized on the compute unified device architecture parallel computing platform which runs on a graphics processing unit. Simulation results show that the proposed algorithm is 51-fold faster for virtual view synthesis and achieves better virtual view quality compared to the traditional DIBR algorithm which contains depth preprocessing, warping, and hole filling.     

Image fusion using higher order singular value decomposition

A novel higher order singular value decomposition (HOSVD)-based image fusion algorithm is proposed. The key points are given as follows: 1) Since image fusion depends on local information of source images, the proposed algorithm picks out informative image patches of source images to constitute the fused image by processing the divided subtensors rather than the whole tensor; 2) the sum of absolute values of the coefficients (SAVC) from HOSVD of subtensors is employed for activity-level measurement to evaluate the quality of the related image patch; and 3) a novel sigmoid-function-like coefficient-combining scheme is applied to construct the fused result. Experimental results show that the proposed algorithm is an alternative image fusion approach.     

基于正则化稀疏表示的图像超分辨率算法

为了从单幅低分辨率(LR)图像恢复出高分辨率(H R)图像,提出了一种应用正则化稀疏表示和基于机器学习 的超分辨率(SR)图像恢复算法。构造了一种基于稀疏表示的SR凸变模型,为了提高 恢复效果,针对模型 提出了两种稀疏正则化约束条件,一是将分类效果更好的图表拉普拉斯作为正则化约束条件 ,从而找到与 输入LR图像块在结构上最接近的学习样本;另一种是针对冗余的学习样本进行约 束,保证了图像边 缘的锐利。将输入的每一块LR图像应用正则化稀疏表示,经过学习得到与之对应的HR图像块 , 最终得到整幅HR图像。试验结果表明,算法恢复出的HR图像峰值信噪比(PSNR )值较双三次插值算法最高提升约2dB,主观目视清晰、边缘锐利。