目标移除的Criminisi图像修复算法

待修复区域标记、优先权、最佳匹配模块的搜索及填充和更新置信度是Criminisi图像修复算法的4个重要组成部分,每一部分对Criminisi算法的图像修复结果都有不可忽视的作用.针对大目标移除的Criminisi图像修复,从数学的角度优化待修复区域标记和提高优先权可信度,并将蝙蝠算法运用到最佳匹配模板搜索中,提高修复效率.实验表明:本文改进的算法能够有效的减少错误信息的累积,具有较好的实用性.     

基于图像分块和改进Criminisi算法的图像修复方法

图像在采集和传输过程中,由于多种因素的干扰,图像会受到一定的损伤,导致图像质量下降。针对目前图像修复方法存在修复时间长,修复效果有限等不足,提出基于图像分块和改进Criminisi算法的图像修复方法。首先将原始图像划分为多个子块,然后采用Criminisi算法对每一子块图像进行修复,并针对传统Criminisi算法存在的局限性进行相应的改进,最后通过具体的图像修复实验分析所提方法的有效性和优越性。结果表明,所提方法减少了图像修复时间,可以加快图像修复的速度,图像修复后的质量要远优于对比方法,是一种速度快、效果好的图像修复方法。     

基于边缘结构的Criminisi图像修复

为了提高图像边缘结构信息的修复效果,本文优化的Criminisi算法优先权,侧重于提高数据项的鲁棒性,并在全局搜索寻找最佳匹配模块进行修复。且在修复结束后,对修复区域进行FDIM算法的无缝拼接处理,使图像的整体和谐统一。实验证明,该修复方法能够很好地处理边缘结构细节信息,并降低了错误匹配,满足人的视觉需求,具有相对较高的实用价值。     

非均匀纹理图像的分层Criminisi修复算法

为了提高非均匀纹理图像大区域修复效果,提出了一个分层Criminisi图像修复算法.首先采用多尺度变分分解模型将图像分解成一系列图层之和,不同图层包含不同尺度的图像特征,而同一图层包含几乎相同的尺度特征.然后在每个图层中分别采用Criminisi算法进行修补.由于同一图层包含尺度大致相同的图像特征,所以在匹配块的搜索过程中,分层修复能较容易地搜寻到最优的匹配块.最后结合分别修复的各个图层,得到最终的修复结果.实验结果表明,对于不同的非均匀纹理人工图像和自然图像,本文模型都能取得较为满意的修复结果.     

基于Criminisi算法的图像修复顺序的研究

Criminisi算法是用于修复大尺度破损图像的经典算法。由于该算法中像素块的置信度会随着修复的进行迅速降为零,并且也存在数据项为零的可能,而置信度项和数据项中任一项为零都会导致错误的修复顺序,造成错误信息的累积,最终影响图像的修复效果。因此,文章改进了优先权的计算公式,并用实验验证了改进后优先权计算公式的优越性,从而在一定程度上提高了图像修复后的视觉效果。     

基于Criminisi的图像修复算法的设计与实现

图像修复是数字图像处理领域的重要研究方向之一。提出一种基于Criminisi的电视图像修复算法,该算法利用邻域信息和纹理连续性的特点,通过多次迭代和纹理合成实现了图像的高效修复。通过实验和分析,该算法在处理较复杂的缺陷类型时表现出更加优异的修复效果,具有广泛的应用前景和研究价值。     

Criminisi图像修复算法的优化

针对Criminisi算法在修复时会出现结构断裂和误匹配问题,在原有算法基础上提出一些新的改进思想,改进优先级函数的计算方法,将优先级函数表示为数据项、置信度项和邻域相关性项的加权和,以保证图像结构信息的连续性。设计一种样本块大小可变的算法,以增强局部协调性和边界的平滑性。改进模板间相似性度量方法,融入颜色直方图,以提高模板匹配的准确性。实验结果表明,该方法能够弥补Criminisi算法的不足,获得较好的视觉效果,提高图像的修复质量。     

基于改进Criminisi算法的破损纺织品文物图像修复

为修复破损纺织品文物图像,在Criminisi算法基础上,提出一种改进的基于K-means颜色分割的纺织品文物图像修复算法。根据纺织品文物图像的特点,将RGB图像转化为Lab颜色模型,采用K-means分类器对a*b*层数据基于颜色进行分割处理,对纹样图案边缘进行标定并缩小匹配块搜索区域;引入L值的标准差来表示颜色离散度,对优先权函数以及自适应匹配块进行改进。用所提算法与文献报道的3种算法对自然破损纺织品文物图像和人为破损纺织品图像进行修复,并对修复结果进行评价。实验结果表明,所提算法修复的图像纹理自然、结构合理,峰值信噪比、结构相似性、特征相似性、均方误差值更好。     

数学形态学在Criminisi图像修复算法中的应用

Criminisi图像修复算法的修复步骤由待修复区域的标记、优先权的计算、最佳匹配块搜索与填充和更新置信度4部分组成.其中待修复区域的标记是进行Criminisi图像修复算法的基础,因此合理的标记待修复区域是提高Criminisi图像修复算法修复效果的有效路径.引入数学形态学对待修复图像进行处理,即利用腐蚀与膨胀组合,对待修复区域边缘进行处理,进而进行Criminisi图像修复算法操作.实验结果表明经数学形态学处理后的标记可以降低错误信息的累积,大大提升了图像修复的质量,具有较高的实用价值.     

基于蚁群算法的Criminisi图像修复

提出了一种基于蚁群算法的Criminisi图像修复算法,将蚁群算法应用到Criminisi图像修复算法的最佳匹配模板搜索中.首先计算待修复区域优先权;然后蚁群寻找搜索路径中留下的信息素,沿着信息素最多的路径寻找到最佳匹配模板;最后更新置信度,直到修复结束.实验结果表明,修复后的图像PSNR较高不易陷入局部最优,能较快速地搜索到最佳匹配模板.     

基于模板的图像修复算法优先权的改进

研究了基于块填充的图像修复算法,修复图像的质量容易受到待修复区域边界像素修复顺序的影响,通过分析待修复区域像素点所在模块的图像特征,改进了填充算法的优先权,分别是基于P_Laplace算子和Euler' s elastics模型的优先权计算方法的改进.实验结果证实了文中所介绍算法能有效提高重建图像的感知质量.     

基于样本的自适应图像修复方法

提出了自适应待修复块选取算法,改进了Criminisi算法中优先权计算选取的待修复块中已知区域面积过小,在进行匹配块填充造成的误差迭代。该算法在待修复块中已知区域过小时适当调整带修复块位置以扩大已知区域所占比例来搜索最佳匹配块。同时采用指数概率分布策略选取离待修复块距离近的匹配样本块,减少搜索数目,在保证修复效果的同时也提高修复效率。实验仿真表明该算法能有效提高图像修复精度和效果。     

基于结构分量和信息熵的Criminisi图像修复算法

针对Criminisi图像修复算法中优先级计算易受 图像纹理影响的问题,提出了改 进的基于图像结构分量的优先级函数。首先采用变分分解模型,将待修补图像分解为结构分 量和 纹理分量;其次基于结构分量计算数据项,排除纹理的影响;然后在优先权函数中 引入度量像素块复杂度的信息熵,将像素块中除了中心点之外其它位置的结构信息 融 入到优先权的计算中,使修补次序进一步向结构丰富的像素块倾斜;最后将优先权函数 表 示为置信度、数据项和信息熵的加权和,以解决传统Criminisi算法优先权随着置信度 迅速 下降为零而造成修复次序出现偏差的不足。新的优先权函数排除了像素块中在计算数据项时 纹 理的影响,并且融合更多的结构信息,使修复次序更加准确。实验结果表明,对于 不 同的人工图像和自然图像,本文模型都能取得较为满意的修复结果。     

一种改进的数字图像修复算法

本算法建立的基础是Markov随机场模型。优先处理待修复区域边界点并对相邻区域的像素点进行权值处理,通过此番工作能够较好的保持图像自身原本的边缘特性,同时还可以兼顾到图像的细节纹理方面以及结构信息方面,进一步的避免了以往算法中的模糊问题,使得在面对破损区域较大的图像修复问题时也可以取得很好的修复效果。     

FA-Criminisi快速图像修复

在经典Criminisi图像修复算法框架的基础上,针对优先权可靠性低和全局搜索最佳模板效率低、错误匹配率大的缺点进行改进。改进的算法为基于萤火虫算法(FA)的快速Criminisi图像修复算法。首先从数学的角度引入正规化函数至置信度,以此提升优先权计算的可靠性;然后引入FA到最佳模板的搜索与填充中,能够有效地将全局搜索与局部搜索有效地结合,鲁棒性较高,提高效率且错误匹配率低。实验结果表明:采用本文的改进算法能在保证修复质量的基础上降低时耗,提高效率。     

一种改进的基于块的图像修复算法

在研究Criminisi算法的基础上,针对Criminisi算法修复顺序不可靠、采用固定大小的样本块模板尺寸以及在修复过程中容易产生误差累积等缺点,提出了一种改进的图像修复算法,该算法结合改进的优先项函数、根据梯度信息自适应选择模板大小等方法。实验结果表明,该算法易于实现,与Criminisi算法相比,能够取得更好的修复效果。     

一种改进的数字图像修复方法

针对既含有划痕又含有大块缺失信息的数字图像,文中提出了一种基于改进BSCB模型和改进Criminisi算法的图像修复方法。首先,采用改进的BSCB模型修复图像中的划痕,然后再用一种改进优先级的Criminisi算法进行大块缺失信息的修复,最后将文中提出的修复方法与单独使用BSCB模型和单独使用Criminisi算法的修复效果进行对比,实验结果表明文中提出的方法的修复效果更好。