基于引导因子与曲率惩罚模型的图像修复算法

目的 解决当前图像修复方法主要通过待修复像素点的法向量来确定修复过程,无法保证其修复顺序从破损区域的周边至中心进行,导致修复图像中存在块效应和不连续效应等问题。方法 将引导因子与曲率惩罚模型相结合,设计新的图像修复方法。利用破损区域的中心像素点与其他任意待修复像素点之间的距离来构造引导因子,并将其与置信度项以及数据项结合,形成优先权模型,用于选取优先修复块。利用待修复块的梯度特性对其平滑度进行判断,以明确该待修复块对应的最优匹配块的搜索范围,使其通过最小绝对差平方和（SSD）函数来搜索最优匹配块,从而将最优匹配块中像素点扩散填充至待修复块。最后,基于像素点间的等照度线曲率来建立曲率惩罚模型,以更新置信度项,从而实现图像的修复。结果 测试数据表明,与已有修复方案相比,所提算法可以更好地兼顾修复质量与效率。结论 所提方案具有较好的修复质量,可用于损坏面积较大图像的复原。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。     

基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

改进的FAST算子耦合投影约束法则的图像匹配算法

目的针对当前较多图像匹配算法主要通过对特征点的相似性进行度量来优化匹配特征点,忽略了特征点之间的投影相关性,导致算法的鲁棒性下降、匹配错误度较高的问题,文中提出了基于改进FAST算子耦合投影约束法则的图像匹配算法。方法首先,利用FAST算子提取图像特征点,并通过Harris算子去除FAST算子中的伪特征点,充分获取稳定特征点。然后,利用圆域内像素点的高斯曲率值,对特征点进行描述。最后,利用归一化互相关系数(Normailizedcorrelationcoefficient,NCC)对特征点进行匹配。并通过特征点之间的投影关系函数计算特征点的投影值,并根据投影值建立投影约束法则,以去除错误配点,优化匹配精度。结果实验数据显示,与当前图像匹配技术相比,所提算法具有更好地鲁棒性与匹配精度,在多种几何攻击下,所提算法的正确匹配率仍可维持在90%以上。结论所提算法在各类几何变换下仍具有良好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

2D非调和分析耦合扩散张量的图像修复算法

目的针对当前图像修复算法在面对复杂纹理的高频成分时,修复区域残留一定的块效应与纹理不连续性,产生较大失真等难题,提出了2D非调和分析机制耦合扩散张量的图像修复算法。方法引入傅里叶变换机制,联合最速下降法与牛顿法,设计2D非调和分析机制;提取损坏区域初始轮廓,嵌入扩散张量,增强了损坏区域周围的像素信息表达能力,构建新的优先级计算模型,确定出优先级最大的先验块及其填充顺序;基于2D非调和分析,嵌入权重因子,定义成本函数,提取该先验块的精确频谱,通过重构2D波形,合成新纹理,并将该纹理传播至损坏区域,完成修复。结果该算法与当前性能较好的图像修复技术相比,在大面积高频分量损坏图像复原中,具有更高的修复质量与结构相似度,很好地避免了目标区域的不连续纹理与块效应。结论该算法能够较好地修复大面积高频损坏区域的图像。     

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。     

拓扑梯度耦合FCMC的全自动图像修复优化算法

目的当前图像修复算法的损坏区域大都是依靠人工来确定,难以自动鉴定损坏区域,使其修复效率较低。此类算法通过利用像素缺失区域的间断边缘来完成填充,导致重构图像视觉间断,且都是依赖随机修复路径,增加了算法时耗。提出拓扑梯度最小重构路径耦合FCMC(Fuzzy C-mean Clustering)的全自动图像修复算法。方法基于图像损坏区域与完好区域之间的性质差异,引入模糊C均值(FCMC),通过损坏区域的聚类中心与各像素之间的距离来计算隶属度函数,设计基于FCMC的损坏区域自动鉴定算法,以自动识别待修复区域;再嵌入拓扑梯度,定义像素缺失区域的关键点选择规则,建立权重距离函数,得到像素缺失区域的连续轮廓,设计最低修复路径成本方案,完成图像重构;以PSNR(Peak Signal to Noise Ratio)为评估指标,构造图像修复反馈机制,优化修复图像。结果仿真结果显示:与当前图像修复算法相比,该算法可自动鉴定图像像素缺失区域,能够提取像素缺失区域的连续轮廓。同时,具有更好的修复视觉效果与更高的修复效率,重构图像不存在模糊与视觉不连通。结论提出的算法能够实现图像的全自动修复,可提高修复图像质量与效率。     

基于梯度与归一化互信息的印刷图像配准

目的为了提高印刷图像配准的精度。方法提出一种基于梯度和归一化互信息的印刷图像配准方法。首先获取图像的归一化互信息,同时使用边缘检测算子获取图像边缘梯度的模值和方向角,然后根据边缘梯度信息和归一化互信息构造新的测度函数,以新的测度函数为目标函数,用Powell优化算法获取用于配准的最优参数。结果通过将文中提出的方法和基于归一化互信息的图像配准方法分别用于印刷图像配准,得到的统计实验结果表明,对于100项随机配准参数,新方法得出的配准误差波动幅度更小,配准精度更高。结论文中所提方法在准确性上优于基于归一化互信息的图像配准方法。     

The image inpainting algorithm based on pruning samples by referring to four-domains

In order to retrieve large scale damaged image with rich geometry structure and texture information, the novel image inpainting algorithm based on the neighbourhood reference priority can not only maintain image character but also improve image inpainting speed has been proposed in the paper. The problems of an image inpainting process can be translated into the best sample searching process. First, the extracting structure information of image and the dividing sample region into sub-regions server. Second, in order to adjust the neglect of structure of matching method named SSD, introducing structure symmetry matching constraint into matching method, it avoids matching mistakenly and improves sample matching precision and searching efficiency. Then, improving priority equations by bringing in structure weight and confidence, highlighted the effect of structure to inpainting sequence. Finally, computing priority of four-domains neighbour by computation overlapping information between object patch and sample patch, so that referring to secure information of four-domains neighbour, to prune sample dataset and search optimal sample. The experimental results have demonstrated that the proposed algorithm can overcome problems like texture blurring and structure dislocations and so on, the PSNR of the improved algorithm has been increased by 0.5–1?dB comparing other contrast methods while speeding up the image inpainting process, recovered image is much continuous for visuality. Meanwhile, it can recover efficiently common damage images and be more pervasive.     

一种基于灰度投影与块匹配的视频序列快速稳像算法

针对视频图像序列的不稳定性,结合灰度投影算法与块匹配法各自的特点,提出了一种可以快速消除图像序列间平移和旋转抖动的新型电子稳像算法.该算法首先采用灰度投影法估计与补偿图像序列间的平移运动,然后用拉普拉斯算子在图像边缘处选取灰度信息比较丰富的小块模板,利用块匹配法计算模板的平移运动,再结合模板在图像上的位置估计图像的旋转...     

互相关 DPIV 技术及其在氧化沟模型中的应用

重点研究二维DPIV技术的速度信息提取方法并进行算法实现。该技术基于灰度图像互相关法,在相邻时刻的序列图像中,灰度分布最相似的子窗口即是最佳匹配,粒子在像平面上的运动位移由两个子窗口中心距离确定。通过对互相关测度的优选既能兼顾粒子匹配成功率也能降低匹配算法的时间开销,通过优化算法的搜索空间极大地减少了互相关运算量。给出了标准图像仿真结果及其在氧化沟模型流速测试中的成功应用。实验结果表明,该算法适合于氧化沟模型流场及类似场合的测速。     

A novel image inpainting technique based on median diffusion

Image inpainting is the technique of filling-in the missing regions and removing unwanted objects from an image by diffusing the pixel information from the neighbourhood pixels. Image inpainting techniques are in use over a long time for various applications like removal of scratches, restoring damaged/missing portions or removal of objects from the images, etc. In this study, we present a simple, yet unexplored (digital) image inpainting technique using median filter, one of the most popular nonlinear (order statistics) filters. The median is maximum likelihood estimate of location for the Laplacian distribution. Hence, the proposed algorithm diffuses median value of pixels from the exterior area into the inner area to be inpainted. The median filter preserves the edge which is an important property needed to inpaint edges. This technique is stable. Experimental results show remarkable improvements and works for homogeneous as well as heterogeneous background. PSNR (quantitative assessment) is used to compare inpainting results.