基于非局部平均滤波和快速行进法图像修补算法 *

快速行进算法 ( FMM)与水平集法 ( level set)相结合进行曲线修补是一种高效的图像修补算法 ,但是这种算法在修补较大区域时会产生模糊。最近 , Buades等人提出了基于非局部平均滤波 ( non-local means)的去噪算法。受其启发 ,应用非局部平均滤波的思想进行图像修补 ,提出了一种新的基于非局部平均滤波和快速行进算法的 FMM-NL图像修补算法。实验结果表明 , FMM-NL图像修补算法针对具有较强纹理信息的图像能有效解决 FMM修补算法中的模糊问题。     

基于内容自适应的唐墓室壁画修复算法

为了解决基于样本图像修复算法时间复杂度高的缺点,结合唐墓室壁画的特点,提出了一种基于内容自适应的唐墓室壁画修复算法。该算法通过分析图像局部梯度变化将受损区域分为平坦区域和纹理区域,对于纹理区域采用改进的基于样本图像修复算法进行修复,而对平坦区域采用改进的基于快速行进算法（FMM）进行填充,最后提出自适应修补算法。实验结果表明,该算法在保证图像修复质量的同时提高了算法的效率。     

基于节点邻居关系的MCDS构造算法

针对连通控制集在无线传感器网络中的重要作用,提出一种基于节点邻居关系的最小连通控制集(MCDS)的构造算法,该算法时间和信息复杂度分别为O(nlogn)和O(n),且针对由于节点电池的耗尽等原因造成的网络拓扑改变的情况,提出一种局部的修复算法以得到新网络的一个MCDS。理论分析和仿真实验都表明了算法的正确性以及执行性能。     

基于Voronoi图和三角剖分的闭合曲线重建

以Voronoi图和Delaunay三角剖分为基础,针对二维闭合曲线集的采样点集,提出一种曲线重建算法。该算法按给定采样密度对曲线集进行采样,从而用一条或多条线段准确地重建曲线集,将采样点密集程度的度量定义为点集的本地特征值度量,以此要求采样达到一定的密集程度。理论分析证明该算法的时间复杂度为O(nlogn)。     

引入连续性强度和置信度因子的快速图像修复

传统的基于偏微分方程的迭代式图像修复算法的运算量较大,修复所耗时间较长,使得这些修复技术很难实际应用。而基于水平集的快速行进法可以快速有效地修复数字图像中的破损区域,但对图像的边缘信息保持不佳。针对这一问题,提出一种改进方案。在权函数设计时引入连续性强度来保持边缘信息,并采用等照度线方向来评估两像素点的位置关系。在对单点进行修复时,引入置信度因子对插值点进行加权。实验结果表明,该算法在保证运行效率的同时,很好地提高了修复效果。     

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.     

一种不完备决策表的属性约简算法

对于不完备决策表,给出了区分对象对集和基于区分对象对集约简的定义,并证明出基于区分对象对集的属性约简定义等价于基于广义决策的属性约简定义。在此基础上,提出一种基于区分对象对集的新算法。新算法以区分度[K(ci)]和完备度[P(ci)]为启发信息,结合基数排序,使得算法最终时间复杂度为[O(|C||U|2)],相比传统的算法时间复杂度[O(|C|3|U|2)]和[O(|C|2|U|2)],时间复杂度有效降低。通过实例说明了新算法的正确性和有效性。     

一种基于分划思想的Hilbert曲线快速编码算法

Hilbert曲线是多维结构降维的重要手段,在多维索引结构和图像处理等方面有着广泛的应用。传统的Hilbert编码是通过复制部分Hilbert曲线,运用旋转等操作完成整体结构,时间复杂度为O（n^2）。通过对Hilbert曲线基本特征的研究,本文提出了一种新的基于分划的Hilbert编码方法,新算法的时间复杂度为O（nlogn）,本文最后通过实例 对算法进行了分析。     

汉诺塔非递归算法研究

汉诺塔(Tower of Hanoi)问题是求在三个柱子之间移动圆盘的方法,它是递归程序设计的经典例子,已经证明其时间复杂度下限是O(2n),空间复杂度是O(n),实际使用时很容易溢出.给出汉诺塔问题的两个非递归算法:解集递推法和解集树法.解集递推法的时间复杂度和空间复杂度都是O(2n),该算法空间复杂度很大,无法实际使用,提出该算法的目的是为了引出解集树法.解集树法可以计算出指定的任意一步移动方法,时间复杂度和空间复杂度分别是O(n*2n)和O(1).并证明了汉诺塔问题的空间复杂度下限是O(1).     

基于高斯混合模型的分量对称正定矩阵模型

高斯混合模型(GMM)可以利用多个高斯分量捕捉图像集的变化信息,是一种良好的图像集描述方法.结合分量对称正定矩阵表示方法(CSPD),文中提出基于GMM的CSPD模型(G-CSPD).模型将图像集分成大小相同的子图像集,使用GMM描述每个子图像集,最终得到一个G-CSPD矩阵,该矩阵中元素描述子图像集之间相似性.在3个图像集上的实验表明,G-CSPD是具有鉴别性的图像集描述方法.     

拓扑梯度耦合多重最小修补路径的连续边缘图像修复算法

当前的图像修复算法都是利用非连续边缘的已知块信息来完成损坏区域的填充,造成图像模糊与视觉不连通;且修复路径都是随机确定,使其成本较高.对此,提出了拓扑梯度耦合多重最小路径快速行军的连续轮廓图像修复优化算法.引入拓扑梯度,检测出缺失区域的边缘轮廓;定义关键点择取规则,提取图像损坏区域的关键点,嵌入权重因子,建立权重距离函数,计算最小修补路径成本,并设计多重最小路径快速行军机制,提取出连续边缘,完成损坏区域填充.仿真结果显示,与其他图像修复算法相比,本文算法可检测出损坏区域的连续边缘轮廓;且该算法具有更好的修复视觉与效率.     

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。     

模糊C-均值聚类引导的Kinect深度图像修复算法

针对Kinect传感器所采集的深度图像中存在大面积空洞的问题,提出了一种模糊C-均值聚类引导的深度图像修复算法。该算法将同步获取的彩色图像和深度图像作为输入;利用模糊C-均值聚类算法对彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的大面积空洞区域,利用改进的快速行进算法,从空洞边缘向空洞内部逐层修复空洞区域;最后,利用改进的双边滤波算法去除图像中的散粒噪声。实验表明该算法能有效修复Kinect深度图像中的空洞,修复后的图像在平滑度和边缘强度上优于传统算法。     

Guided depth enhancement via a fast marching method

Range imaging sensors such as Kinect and time-of-flight cameras can produce aligned depth and color images in real time. However, the depth maps captured by such sensors contain numerous invalid regions and suffer from heavy noise. These defects more or less influence the use of depth information in practical applications. In order to enhance the depth maps, this paper proposes a new inpainting approach based on the fast marching method (FMM). We extend the inpainting model and the propagation strategy of FMM to incorporate color information for depth inpainting. An edge-preserving guided filter is further applied for noise reduction. To validate our algorithm, we perform experiments on both Kinect data and Middlebury dataset which, respectively, provide qualitative and quantitative results. Meanwhile, we also compare it to the original FMM and other two state-of-the-art depth enhancement methods. Experimental results show that our method performs better than the local methods in terms of both visual and metric qualities, and it achieves visually comparable results to the time-consuming global method.     

改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。     

快速自适应模板图像修复算法

在对图像局部特性分析的基础上,提出了一种简单的非迭代自适应模板快速图像修复算法。该算法首先通过对待修复点邻域像素梯度值进行排序,估计出该点的等照度线方向,从而自适应地确定其修复模板,然后利用快进法(fast marching method)确定修复路径并完成对整个破损区域的修复。实验结果表明,该算法对边缘细节及平滑区域均有良好的修复能力,在相近的修复时间内能得到明显优于一般快速图像修复算法的修复效果。     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

基于Level Set方法的医学图像分割

对图像分割进行了研究,这是医学图像处理中的关键问题之一。提出了一种结合Fast Marching算法和Watershed 变换的医学图像分割方法。首先用非线扩散滤波对原始图像进行平滑，然后利用Watershed算法对图像进行过度分割，最后用改进的Fast Marching方法对图像进行分割。除此之外，根据区域之间的统计特性的相似度重新定义了Fast Marching 方法的速度函数。实验结果表明，该方法能够快速、准确地得到医学图像的分割结果。