基于改进Criminisi算法的图像修复

针对Criminisi算法难以获得理想的修复效果,且存在修复时间过长等缺陷,提出一种改进Criminisi算法的图像修复算法。改进优先权计算方式找到最优待修复块,完善最优匹配块搜索策略,找到最优匹配块,采用新的置信值更新方式以获得更为理想修复效果,通过仿真实验测试算法性能,结果表明,相较于Criminisi算法,改进Criminisi算法不仅获得了较理想的图像修复效果,而且大幅度减少了修复时间,提高了图像修复的效果。     

基于几何距离的Criminisi图像修复算法

使用Criminisi算法进行大区域纹理图像修复时会出现纹理延续错误的现象。针对该问题,提出一种改进的算法,主要体现在两方面：在修复顺序上,通过分析优先权计算方法,以置信度为主导改进优先权模型;在匹配策略上,结合几何距离关系,采用多块同时修复的策略,通过相似度函数选出各块的3个候选匹配块,引入几何距离修正因子确定各块的最佳匹配块。实验结果表明,该算法较好克服了原算法存在的优先权计算不准确以及匹配策略约束力不够导致的纹理延续修复错误的问题,与典型算法相比,其具有较好的视觉效果。     

改进的Criminisi图像修复算法研究

针对Criminisi算法存在的优先权函数不可靠,匹配块遍历搜索时间复杂度大,以及选取匹配块时相似度函数不准确的问题,提出了一种改进的Criminisi图像修复算法。该算法改进了优先权计算公式,引入了方差差值项,增强了对图像结构部分的辨别能力。在搜寻最佳匹配块时,引入一个比例系数,从而有效缩短了匹配块寻求时间,降低时间复杂度。且定义了新的待修复块与匹配块之间的相似度函数。通过实际修复实验证明,改进后的Criminisi算法的修复结果更加可靠和有效。     

一种改进的Criminisi图像修复算法

图像修复的目的是填补有信息缺损的图像,并使观察者无法察觉出图像的填补痕迹。在Criminisi提出的算法基础上进行改进,提出一种图像修复方法。引入曲率来决定目标块的填充次序和最佳匹配块的选择,并改进优先权为各项加权和,通过改变权值可以得到更好的修复效果,同时避免了由于置信度迅速衰减带来的错误填充次序。大量实验结果表明,提出的算法不仅增强了图像结构的连续性,并使得匹配更加准确,对于各种类型图像的修复都取得了令人满意的视觉效果。     

基于改进Criminisi算法的自动驾驶仿真道路场景图像修复

利用真实图像生成虚拟驾驶场景视图时,首先要从图像中移除车辆、行人等前景目标,以便获得不包含移动目标的背景图像。针对原始Criminisi算法存在的图像破损区域在修复后会出现模糊效应、边界不够平滑的弊端,提出了一种在处理掩膜图像环节使用开运算,并优化原始优先权函数的改进算法。运用MATLAB仿真平台进行实验分析,结果表明改进后算法修复时间平均缩短了16.5 s,峰值信噪比平均高出原算法1.65 dB。该算法还原了图像中更多的道路信息,弥补了Criminisi算法的不足。     

基于马尔科夫随机场匹配准则的Criminisi修复算法

传统的基于样本的修复算法在修复数字图像时精度较低,提出了一种基于马尔科夫随机场(Markov random field,MRF)匹配准则的Criminisi数字图像修复算法。该算法以马尔科夫随机场替代欧氏距离匹配准则,在寻找最佳匹配块前首先通过马尔科夫随机场对图像纹理建模,然后计算图像全局能量对待修复像素块进行估值,最后寻找最佳匹配块以达到全局最优。实验结果表明,该算法对数字图像的修复有了很大改善,纹理误匹配率下降,修复精度得到明显提高。     

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。     

改进的Criminisi图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法在确定匹配块大小时存在的一些不足,提出了一种改进的基于样本的图像修复算法。该算法根据样本的纹元大小确定其匹配块大小,使得匹配更为准确,并利用多级合成提高修复效果,弥补了Criminisi算法修复时出现的结构断裂缺陷。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。     

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.     

基于可变大小模板的改进图像修复算法

Criminisi等人提出的基于模板的图像修复算法是该领域最重要的贡献之一。在保持Criminisi基本算法框架不变的基础上,本文提出了一些改进思想。主要贡献是设计了基于可变大小模板的块匹配程序以使模板搜索更准确灵活。此外,对信度更新方式进行了修正,并结合局部搜索以提高算法的综合性能。实验结果证实了改进的有效性。     

一种结合CDD 模型和Criminisi 算法的图像修复算法

针对既含有大块缺失信息又含有划痕的图像,结合CDD 模型和Criminisi 算法的 优点,提出一种新的修复算法。算法先采用可以强化细节的自适应直方图均衡化操作来扩大图 像的动态范围,后利用形态学算子分离出待修复图像中的划痕区域与大块区域,接着用CDD 模 型对划痕进行修复,再用改进优先级的Criminisi 算法进行后续修复,最后把修复后的图像对 应于缺失区域的像素填补到待修复图像的区域中。实验结果表明,改进后的算法克服了现有算 法可能存在的偏差延续问题,使图像修复的结果更加符合人们的视觉效果。     

强化边缘结构的分段自适应图像修复算法

针对基于样本的图像修复技术在修复井下煤岩图像时存在纹理过渡延伸和边缘结构不连续的问题,提出一种强化边缘结构的分段自适应图像修复算法,其在Criminisi算法中引入基于ISEF的数据项和等照度线曲率信息构成新的优先权函数,解决了修复顺序不当的问题;并利用局部方差特征与信息熵划分的区域类型自适应选择样本块大小,解决了边缘保持的问题。在常用测试图像与孟村煤矿的煤岩图像上进行了修复实验,相较于传统的Criminisi方法,该算法的平均PSNR分别提升了0.37 dB与1.33 dB,平均SSIM分别提升了0.002 3与0.002 7。实验结果表明,该算法对纹理结构信息复杂的图像具有较好的修复效果,为煤壁图像的修复奠定了基础。     

基于改进Criminisi算法的地基云图修复方法

全天空成像仪（Total sky imager,TSI）对天空进行观测时,设备的结构特点会使采集到的云图信息不完整,对图像的分析造成不利影响。针对Criminisi算法修复地基云图所造成修复顺序发生错误、图像不连续以及匹配块遍历搜索时间复杂度大的问题,本文提出了一种基于改进Criminisi算法的地基云图修复方法。该算法改进了优先权计算公式,引入地基云图独特的红蓝比特征作为置信项,使得含有更多信息的像素块具有更高的优先级,在搜索匹配块的过程中,基于启发信息选择匹配区域的大小,避免了搜索到离待修复块较远的相关性较低的匹配块,也有效缩短了匹配块搜索时间,降低了算法的时间复杂度。实验结果表明,改进后的Criminisi算法具有较好的图像修复效果,且降低了时间复杂度,提高了修复效率。     

新搜索策略下的快速图像修复算法

提出了一种新搜索策略下的快速图像修复算法。通过定义新的优先权计算函数,克服了图像低纹理区域修复过于滞后的问题。又通过预测修复后图像块统计属性,对所有待匹配的图像块进行筛选,加快了图像修复速度,改善了修复效果。实验结果显示,该算法适用于多种类型的数字图像修复。     

改进的纹理合成图像修复算法

提出一种新的基于纹理合成的图像修复算法,针对Criminisi算法优先权函数不准确等缺点,改进优先权函数;另外在模板的选择上,利用方差表征频率的变化来选择模板的大小,不仅可以抑制噪声对模板选择的干扰,也更能体现图像的局部差异性,从而能更加准确地寻找最佳匹配块.算法经过实验仿真证明了其准确性.     

利用纹理和边缘特征的Criminisi改进算法

针对Criminisi算法在图像修复过程中易将纹理部分误认为边缘部分,造成修复顺序偏差而影响修复效果的不足,充分利用图像的纹理结构特征和边缘结构特征,引入差别因子,改进优先权模型,以增强对结构部分的辨别能力,并通过采用新型的搜索方式来克服在修复过程中易产生瑕疵点的不足来完善修复效果。实验结果表明,改进算法较好地克服了原算法所存在的纹理延伸等不足,保持了修复内容的线性结构,其峰值信噪比相比于原算法提高了23 dB,具有更好的视觉效果。     

一种改进的基于样例的图像修复算法

经典的Criminisi图像修复算法,通过结合偏微分方程算法和纹理合成算法两者的优点,对图像的纹理和结构同时进行修复,获得了较好的视觉效果。但基于样例的图像修复算法在定义优先权时仅考虑了置信度和数据项,导致错误信息的繁衍,使修复结果不理想。在Criminisi算法基础上,提出一种改进的基于样例的图像修复方法。通过重新定义修复块的优先权,增加一种度量图像平滑性的几何量,同时增加最佳匹配块的限制条件,从而使修复后的图像获得了更好的视觉效果。     

基于改进的纹理合成图像修复算法

本文首先介绍了图像修复领域中的Criminisi算法,针对这种算法的不足,从优先级的运算、最优匹配块的搜索和置信值的更新三个方面进行改进。实验结果表明,改进算法的修复效果比原算法有了进一步的提高,更符合人类视觉系统的特征。     

划分特征子区域的图像修复算法

为了解决含有丰富纹理信息和复杂结构信息的大破损区域中的缺失信息修复的问题,提出了一种划分特征子区域的图像修复算法。首先,根据图像中包含的不同特征,运用特征公式进行特征提取,再通过统计特征值划分特征子区域,提高了图像修复的速度;其次,在原Criminisi算法的基础上改进了优先级的计算,通过增大结构项的影响,避免结构断裂的产生;然后,通过目标块和其最佳邻域相似块共同约束样本块的选取,确定最佳样本块集;最后,利用权值分配法合成最佳样本块。实验结果表明,所提算法相比原Criminisi算法,其峰值信噪比（PSNR）提升了2~3 dB,相比基于稀疏表示的块优先权值计算的算法,其修复效率有明显的提高。所提算法不但适用于一般小尺度的破损图像的修复,而且对于含有丰富纹理信息和复杂结构信息的大破损图像的修复效果也更佳,并且修复后的图像更加符合人们视觉上的连通性。     

区域自适应的图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法使用穷尽搜索的方式寻找最优匹配像素块,以及采用固定大小的修复像素块进行修复时产生的错误匹配和信息延伸对图像修复质量的影响,根据像素点周围邻域信息对该像素点的决定作用和结构信息的重要性,提出一种区域搜索和自适应模板图像修复方法,以增强信息的局部协调性和边界信息的恢复能力,提高图像整体的修复效果。大量实验表明,改进算法在减少修复时间的同时,能较好地保持图像的结构,从而使修复结果达到更好的视觉效果。