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。     

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。     

改进的块匹配五台山壁画修复算法

针对五台山壁画破损区域形状不规则、大小不均匀,采用Criminisi算法修复时易出现错误填充的问题,提出一种改进的块匹配五台山壁画数字化修复算法.首先在计算优先权,除置信度与数据项之外引入分散度项,确保信息最丰富的块被优先修复;然后结合图像块结构的整体性将协方差因子引入相似度计算中,以减少错误填充率.对五台山破损壁画进行数字化修复的实验结果表明,该算法较好地解决了Criminisi算法的错误填充问题.     

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。     

基于结构相关性的自适应图像修复

针对传统的Criminisi修复算法中优先函数计算的不足,以及修复后图像质量下降的问题,文中提出了一种基于结构相关性的自适应图像修复算法。首先,引入结构相关性,对优先权计算进行改进,增加优先权计算的可靠性;然后,自适应选择样本块大小,使修复更加准确并提高修复效率;最后,引入HSV颜色空间,根据样本的色度、亮度来搜寻最佳匹配块,减少修复误差,完成图像恢复。实验结果表明,所提算法在主观视觉上有明显提升,并且在峰值信噪比(PSNR)和结构相似度(SSIM)方面均有一定提高,修复效果明显,与传统的Criminisi修复算法相比,其峰值信噪比提高了1~3 dB,结构相似度更接近1。所提算法利用结构相关性和自适应选择样本块大小对彩色破损图像进行修复,优先权计算更加合理准确,修复效率有所提高,修复效果可视性更佳,有利于实际应用。     

基于优先权改进和块划分的图像修复

目的 针对基于样本块的Criminisi图像修复算法易发生置信项迅速下降趋于零,使优先权计算公式失效,导致修复顺序错乱造成的修复效果失真问题,以及在搜索匹配块时存在的搜索范围过大,效率过低,易出现匹配到不符合视觉效果的纹理块问题,提出一种基于优先权改进和块划分的图像修复算法。方法 首先重新定义优先权中的置信项,用样本块中的棋盘距离替代原计算公式,保证优先权一直发挥作用,从而减少因修复顺序不合理造成的错误匹配;其次根据图像纹理信息将其自适应划分为不同大小的图像块,使待修复样本块只在具有相似特征的图像块区域内搜索匹配。结果 实验结果表明,新定义的优先权,保证了修复算法的正常进行,改善了修复图像的视觉效果;由图像自适应块划分引导匹配过程,可使匹配在更少的候选块中进行,提高了算法速度。将本文方法与3种全局搜索匹配方法和1种局部搜索匹配方法进行修复结果对比分析,本文方法的修复结果视觉完整性较好,而且修复时间小于其中3种算法。结论 通过改进Criminisi算法优先权中的置信项,避免因其趋于零导致的修复顺序错乱造成的错误累积情况的发生;同时通过改进待修复匹配块的搜索范围,对整幅图像进行自适应块划分,使搜索只在相似块中进行,不仅减少了时间,而且提高了匹配的准确性。本文方法对于自然图像中大面积目标物体移除方面有较好的应用,可获得较满意的修复效果。     

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.     

改进的基于样例的图像修复方法

在Criminisi算法基础上,针对其填充次序不准确等缺点,提出了一种基于样例的图像修复方法。通过在优先权函数中引入相邻像素间颜色差值信息,图像结构部分优先传播。同时,置信度值更新考虑样本填充质量,目标块与相似块差异越小则该值相对较高。另外,块搜索过程中多个样本块有相同最小颜色距离时,选取梯度距离最小的样本块。实验结果表明,改进算法对各类图像取得了较高修复质量。     

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。     

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。     

改进优先级的分步匹配图像修复算法

首先对Criminisi 算法的优先级进行了改进,将图像的局部亮度方差作为优先级的 一个度量因子,使图像的修复顺序更加合理;然后对Criminisi 算法最佳匹配块的获取过程进行 了改进,先后使用1 范数和最小二乘法,改进了相似性度量函数,进行分步筛选,获取最佳匹 配块,使得匹配更为准确,修复效果更加理想。     

基于能量信息耦合梯度调节机制的图像修复算法设计与应用

为了克服当前图像修复算法主要依靠图像的置信度信息来获取优先修复块，忽略了图像的能量信息，导致修复结果中存在不连续及伪吉布斯现象等缺陷。本文设计了基于能量信息与梯度调节机制的图像修复算法。首先，通过区域能量函数来求取图像的能量信息，以计算待修复块的优先权信息，得到优先修复块。然后，基于图像梯度模值，建立梯度调节机制，以调节样本块的大小，获取与图像纹理相适应的样本块尺寸。引入平方差求和函数，以确定最优匹配块。最后，通过像素点间的差异性，构造相似惩罚因子，以更新置信度项，完成图像的修复。实验结果显示，较当前图像修复方案而言，所提算法具备更好的修复性能，所得到的修复图像拥有更好的纹理连贯性与更高的结构相似值。     

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。     

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。     

一种改进的基于样图的图像修复算法

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。分析了图像修复技术中的Criminisi算法,针对它的不足,提出一种新的改进算法。新算法从4个方面加以改进：使用了新的优先权计算函数,优化了优先权大小选择的计算,避免了因模板数据项迅速衰减带来的错误填充次序;利用Sobel算子改进等照度线计算,使等照度线上的点优先被修复;采用新的匹配方法,将查找匹配的范围锁定在破损区域的边缘。最后为了平滑置信值更新导致的误差传播,定义了新的置信值更新方程。实验结果证明,本文图像修复算法不但可以改善图像修复质量,还可以提高图像修复效率。     

基于聚类分割和纹理合成的图像修复改进算法

Criminisi提出的基于样本的图像修复技术需要在整幅图像中遍历样本,代价太大,并可能因选择错误的样本,不断迭代更新后而导致错误信息累积,使修复结果出现较大的偏差。同时,考虑到Criminisi算法中优先权函数的计算失误可能导致修复结果中出现结构失真,由此提出一种基于聚类分割和纹理合成的图像修复改进算法,将目标样本块的搜索限定在与源样本块所覆盖的类别一致的区域当中。在像素点优先权计算中,引入该像素点邻域灰度梯度差值信息,提出更为合理的优先权计算公式,以最大限度保证复杂场景中边缘优先传递,并在置信度更新项中有差别地对待新填充像素点。通过实验证明,改进算法不仅解决了Criminisi算法可能存在的结构偏差延续问题,修复视觉效果更加符合人们的主观感受,而且大大缩短了修复时间。