一种新的结构自适应纹理合成算法

纹理合成是图像修补采用的主流方法,提出一种新的结构自适应纹理合成算法以提高纹理合成质量.首先通过分析图像灰度共生矩阵和灰度行程矩阵的特征参数确定纹理类型,然后对于显著结构纹理图像采用基于结构相似度的匹配准则以提高合成质量.实验结果表明本文提出的自适应算法可以有效提高显著结构纹理图像的合成质量.     

一种大目标去除的图像修复方法

提出了一种新的大目标去除的图像修复方法,即先采用结构传播,再采用相关的纹理传播来完成修复工作.该方法要求人为指出少量的曲线来表示缺损结构从已知区域向未知区域的传播情况.然后,在这些曲线周围的已知区域中选择适当的样本块,作为未知区域内合成这些曲线的目标块.这样,就可以使用这些获得的目标块来完成图像中缺损结构的修复.对于图像中未知区域内的其它部分的修复,可以使用纹理传播来完成.实验结果表明这种方法对于跳跃性结构的修复是非常有效的.     

基于双树复小波域的马尔可夫随机场样本修补算法

为了消除大目标图像修补过程中,修补区域由于累积误差引起的马赛克和振铃效应,提出基于双树复小波域的马尔可夫随机场(MRF)样本修补算法。首先应用双树复小波变换(DTCWT)将待修补图像变换到复频域,通过合理的置信度和数据项计算待修补块的修补顺序;然后应用MRF样本修补算法在不同尺度、不同方向下修补未知区域;最后利用双树复小波逆变换重构图像。实验结果表明,与传统离散小波修补方法相比,双树复小波域MRF样本修补算法能更好地保持修补区域纹理和结构信息。     

一种大目标去除的图像修复方法

提出了一种新的大目标去除的图像修复方法,即先采用结构传播,再采用相关的纹理传播来完成修复工作。该方法要求人为指出少量的曲线来表示缺损结构从已知区域向未知区域的传播情况。然后,在这些曲线周围的已知区域中选择适当的样本块．作为未知区域内合成这些曲线的目标块。这样．就可以使用这些获得的目标块来完成图像中缺损结构的修复。对于图像中未知区域内的其它部分的修复,可以使用纹理传播来完成。实验结果表明这种方法对于跳跃性结构的修复是非常有效的。     

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.     

基于纹理合成和视觉显著度的视频编码方法

针对现有基于纹理分析合成的视频编码方法难以对纹理实现自动分割的问题,提出基于纹理合成和视觉显著度的视频编码方法,将编码可移除的纹理宏块定义为宏块内图像信息包含在周围宏块中的宏块,被移除宏块移除后,能够使用周围宏块信息进行重建,同时,为了保证重建图像的主观质量,对视觉显著的图像区域,强制地不被标记为纹理移除块。在解码端,采用了全局运动补偿和纹理优化的组合方式对纹理移除宏块进行重建,以确保连续帧之间的纹理时空一致性。与H.264/AVC编码方法相比,在相同主观质量的情况下,本编码方法能够降低码率5%到20%,与Njiki-Nya Patrick等人提出的基于纹理分析合成的编码方法相比,本编码方法不但能够实现自动的纹理提取,在低码率端,编码效率提高一倍以上。     

基于纹理规则性分析的图像填补方法

针对目前图像填补中存在的很难自动分析和提取前景、背景,然后合理地恢复图像等问题,提出一种利用纹理规则性分析和纹理合成技术进行有效图像填补的方法.为了实现自动化的提取,将前景视为近似规则纹理的场景区域,首先引入纹理规则性分析方法,利用近似规则纹理具有强烈的信号规则性的特点自动有效地提取前景信息;然后通过合成优先级的思想将纹理合成技术和图像修补技术结合起来,提出一个合理的背景填补方法以恢复图像.实验结果证明,该方法可以自动有效地提取具有近似规则纹理特征的前景或背景内容,并合理地恢复图像.     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。     

基于分块方向梯度能量的图像修补算法

为了对图像破损区域进行修补和前景去除,提出一种基于样本的图像修补算法.首先引入“分块的方向梯度能量”来评估像素块在某个方向上的整体颜色变化情况;然后利用最大方向梯度能量估算该像素块中存在的边缘的强度与方向.该算法包括像素块填充优先级计算、像素块匹配和更新未知区域边界、可信任度等全局参数的更新3个步骤.在计算像素块填充优先级时,考察像素块在待修补区域边界法向上的方向梯度能量,优先选取包含更强边缘信息的未知区域;而在像素块匹配过程中,除比较像素块对应的颜色值之外,还利用方向梯度能量对它们可能存在的边缘进行比较与匹配.实验结果表明,该算法能够使图像的结构信息正确地传播到待修补的未知区域中,填充后的图像具有较为平滑的边缘.     

基于大位移视点图像的单帧图像修复

提出一种基于大位移视点图像的单帧图像修复算法,利用大位移视点图像中的可见信息修补目标图像中的被遮挡或信息丢失区域.算法的关键在于如何转化大位移视点图像的可见信息为可用信息,以及如何利用得到的可用信息来有效地修补目标图像.在交互指定待修复的目标区域后,算法首先将所有图像分割为不同的平面场景区域,并基于图像匹配将大位移视点图像中的平面场景区域变换到当前视点.因此,其中的可见信息就可被直接使用.进而通过定义合适的修复和融合优先级函数,提出基于纹理合成和图像融合的图像修复算法,利用获得的可用信息来修补目标区域.修复区域和目标图像之间的鬼影现象使用Poisson图像融合算法来消除,以达到无缝的修复结果.实验结果表明,该算法能够修复较大的丢失信息区域中的结构和纹理信息,具有一定的实用价值.     

Image inpainting with salient structure completion and texture propagation

Image inpainting technique uses structural and textural information to repair or fill missing regions of a picture. Inspired by human visual characteristics, we introduce a new image inpainting approach which includes salient structure completion and texture propagation. In the salient structure completion step, incomplete salient structures are detected using wavelet transform, and completion order is determined through color texture and curvature features around the incomplete salient structures. Afterwards, curve fitting and extension are used to complete the incomplete salient structures. In the texture propagation step, the proposed approach first synthesizes texture information of completed salient structures. Then, the texture information is propagated into the remaining missing regions. A number of examples on real and synthetic images demonstrate the effectiveness of our algorithm in removing occluding objects. Our results compare favorably to those obtained by existing greedy inpainting techniques.     

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。     

Inpainting images with curvilinear structures propagation

Inpainting images with smooth curvilinear structures interrupted is a challenging problem, because the structures are salient features sensitive to the human vision system and they are not easy to be completed in a visually pleasing way, especially when gaps are large. In this paper, we propose an approach to address this problem. A curve with a desired nice shape is first created to smoothly extend the missing structure from the known to unknown regions. As the curve partitions the unknown region into separate areas, textures can be filled independently into each area. We then adopt a patch-based texture inpainting method enhanced by a novel similarity measurement of patches. After that, very abrupt edges caused by different inpainted colours on their two sides need to be smoothed for natural colour transition across the curve. Experimental results demonstrate the effectiveness of the proposed approach.     

快速结构化图像修补

图像修补的目的是对图像中缺失的区域进行修复,或是将图像中的物体抠去并进行背景填充,以取得融合到难以用肉眼分辨的效果。在图像修补的过程中,较大的结构信息是修补的难点。为此提出了一种快速结构化的图像修补算法,该方法将图像修补分为结构修补与纹理填充两个部分,即在用户指定待修补区域与结构曲线之后,首先定义全局最优化能量函数,并用动态规划与置信度传播的算法将其最小化来完成结构修补;然后对剩余的待修补区域通过按行扫描来进行纹理填充,其中对于边界处的点是使用基于样本的修补算法,而对于待修补区域内部的点,则使用快速的加权Ashikhmin-WL算法,扫描完成后输出修补后的图像;最后实现了一个快速结构化图像修补系统,并给出一些实验结果,从实验结果中可以看到,该方法的修补流程与算法是有实际应用价值的。     

一种近似周期性纹理的合成方法

纹理合成是近年来图形图像处理领域的研究热点之一,该文针对基于块的纹理合成方法合成效果与采样块的尺度密切相关的问题,根据近似周期性纹理自身的特点,结合基于块的纹理合成方法给出适合此类纹理的一种合成方法。由于周期性纹理的纹元是以周期为单位的纹理块,该文试图对周期性纹理图像进行方向滤波后找出纹理的周期,然后以周期尺度为采样块的大小和采样间距,进行纹理合成。该文方法对严格周期性纹理及近似周期性纹理合成效果良好。     

不规则块的图像补全算法

目的 目前在图像补全领域研究的重点和难点是补全具有复杂结构信息和丰富纹理信息的大破损区域的图像。传统的基于样本块的图像补全算法主要采用规则的模板块和匹配块来进行补全,补全过程中不能充分利用图像的结构或纹理的不规则信息,从而影响算法修复的精度和效率。针对这一问题,本研究提出一种基于不规则块的图像补全算法。方法 在该算法中,首先利用结构稀疏度来区分图像的结构信息和纹理信息并基于结构稀疏度和置信度计算破损区域边界点的优先级,然后选择优先级最高的点构造规则模板块。对处于复杂结构区域的模板块,如果其邻域含有已知的结构信息,则膨胀该规则模板并利用其周围的结构信息来辅助构造不规则模板块。接下来,在图像完好区域内搜索与该模板块对应的匹配块,如果该匹配块的邻域包含有效的结构信息,则膨胀该匹配块并补充其周围的结构信息来完善该不规则匹配块。最后,利用该不规则匹配块补全破损区域。对于补全过程中块间接缝造成的视觉不连通问题,本研究利用图像的纹理信息来进行修饰。结果 将本文算法与4种修复效果较好的算法（3种基于规则块的算法和1种基于局部敏感哈希的修复算法）进行对比,通过8组经典图像进行实例验证,采用客观评价指标峰值信噪比PSNR和主观视觉连通性进行评价,结果表明本文提出的算法峰值信噪比相较4种对比算法均有04 dB的提高,且在补全的精细度和视觉连通性方面有更佳的效果。结论 本文算法在补全含有较复杂结构和丰富纹理的破损自然图像、壁画图像和目标物体移除上有较好的修复效果,普适性较强。     

Image completion based on views of large displacement

This paper presents an algorithm for image completion based on the views of large displacement. A distinct from most existing image completion methods, which exploit only the target image’s own information to complete the damaged regions, our algorithm makes full use of a large displacement view (LDV) of the same scene, which introduces enough information to resolve the original ill-posed problem. To eliminate any perspective distortion during the warping of the LDV image, we first decompose the target image and the LDV one into several corresponding planar scene regions (PSRs) and transform the candidate PSRs on the LDV image onto their correspondences on the target image. Then using the transformed PSRs, we develop a new image repairing algorithm, coupled with graph cut based image stitching, texture synthesis based image inpainting, and image fusion based hole filling, to complete the missing regions seamlessly. Finally, the ghost effect between the repaired region and its surroundings is eliminated by Poisson image blending. Our algorithm effectively preserves the structure information on the missing area of the target image and produces a repaired result comparable to its original appearance. Experiments show the effectiveness of our method.