一种基于Poisson方程的分离型图像修复方法

图像修复是一种恢复图像中损坏部分的技术,具有广泛的应用.基于采样复制的修复方法对纹理图像有较好的效果,但容易产生块效应,而且对结构信息的修复可能产生较大的偏差.本文提出了一种基于Poisson方程的分离型修复算法,首先将原图分解为结构图像和纹理图像两部分,然后根据其特件分别进行修复,叠加后得到最终的修复结果.对结构图像使用Laplacian算子强化结构信息,然后对Laplacian场进行修复并使用Poisson方程重建,可以同时保持锐利的区域边界以及平滑的区域背景.实验表明该方法可以有效改善修复的视觉效果,对大区域修复也有良好的表现.     

基于图像分解的PCB图像去噪算法研究

为了提高印刷电路板(PCB)图像的检测效果,提出了一种基于图像分解的PCB图像去噪算法,对传统全变分算法进行改进,设计了一个基于L₂范数的正则项去噪模型。通过该模型,将待去噪的PCB图像分解为结构和纹理两个部分,并将Split Bregman迭代框架应用到该模型中,缩短求解时间;使用非局部均值算法对纹理部分进行去噪处理;对结构部分和纹理部分进行融合,得到最终的PCB去噪图像。通过主观视觉和客观评价指标对获得图像进行评估,并通过实验结果验证了所提算法的有效性。     

基于图像分解的图像修复算法

针对传统变分模型在修复图像时易产生“阶梯效应”与细节模糊等问题,提出了一种基于图像分解的自适应二阶总广义变分和分数阶变分的图像修复算法。首先将待修复的目标图像分解为卡通部分与纹理部分,其中卡通对应目标图像的低、中频部分,因此利用抑制“阶梯效应”较好的二阶总广义变分模型对其进行修复;纹理对应其高频部分,因此利用对细节部分有增强效果的分数阶变分模型对其进行修复。由于文中所提到的修复模型均与线性鞍点结构下求取最优值的模型类似,因此在算法上均采用基于预解式的原始对偶算法对新模型进行求解。另外,为了取得更好的修复效果,文中设计了一个边缘指示算子来自适应地控制新模型的扩散,以更好地保护修复图像的边缘细节。实验结果表明:相比传统的TV、TGV修复模型,新模型的修复效果在主观视觉上显得更加自然,且在峰值信噪比与相关系数等客观评价指标上均有提高。     

小波变换在纹理图像分割中的运用

在纹理图像分割的研究领域中j基于人类视觉感知特性的图像分割方法是一个重要的新研究方向,在许多领域都有广泛的应用.基于小波分析理论,实现了图像的纹理分割.该算法首先对原始图像实施二维多分辨率小波分解,得到特征图像;然后对其直方图进行一维小波变换和多阈值选择,生成区域图像.实验表明,通过调整参数:一维小波分解级数S和模糊阈值,能得到图像的最佳纹理分割.     

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。     

一种生成对抗网络用于图像修复的方法

近年来基于深度学习的图像修复方法相比于传统方法,表现出明显优势,前者能更好的生成视觉上合理的图像结构和纹理.但现有的标准卷积神经网络方法,通常会造成颜色差异过大和图像纹理缺失与失真的问题.本文提出了一种新型图像修复深度网络模型,该模型由两个相互独立的生成对抗式网络模块组成.其中,图像修复网络模块旨在解决图像缺失区域的修复问题,其生成器基于部分卷积网络;图像优化网络模块旨在解决修复后图像存在局部色差的问题,其生成器基于深度残差网络.通过两个网络模块的协同作用,图像的视觉效果与图像质量得到提高.与其他先进方法进行定性和定量比较的实验结果表明,本文提出的方法在图像修复质量上表现更好.     

基于颜色信息和阈值的图像修复算法

在Criminisi算法的基础上,针对该算法,加入颜色信息,改变待修复块的顺序,同时根据图片待修复区域复杂度的不同采用新的方法来调整模版窗口的大小;最后,通过阈值的设定来减少修复的时间.实验结果表明,该算法对于大的缺损块和有纹理的图像的修复效果较好,修复质量得到提高,更适合人眼的视觉效果.     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

f+v分解与分形图像修复算法设计

提出了一种基于分形与图像分解的修复算法,将图像分解成为纹理和结构两部分,纹理部分采用以分形维度作为度量函数的修复算法,结构部分采用曲率驱动扩散CDD(Curvature-Drive Diffusions)算法进行并行修复,达到快速、高效的修复受损图像的目的。结果表明,该算法具有速度快、对大面积受损图像修复效果好的特点。     

基于引导滤波及视差图融合的立体匹配

立体匹配是双目视觉领域的重要研究方向.为在保证图片纹理区域匹配精度的同时降低弱纹理区域的误匹配率,提出一种基于引导滤波及视差图融合的立体匹配方法.首先,根据图像颜色相似性将图片划分为纹理较丰富区域和弱纹理区域.接着,分别采用不同参数的引导滤波进行代价聚合及视差计算,得到两张视差图.然后依据纹理区域划分的结果对获得的两张视差图进行融合.最后,通过左右一致性检测、加权中值滤波等视差优化步骤得到最终视差图.对Middlebury测试平台上标准图像对的实验结果表明,该方法在6组弱纹理图像上的平均误匹配率为9.67％,较传统引导滤波立体匹配算法具有更高的匹配精度.     

基于多尺度分解的k邻域随机查找快速图像修复

该文提出一种基于多尺度分解的k邻域随机查找快速图像修复方法。基于双边滤波下采样分解图像,从图像最粗糙层开始,对每一粗糙层采用基于最小堆的k邻域随机查找算法快速搜索最佳匹配块,利用鲁棒优先级函数确定下一待修复块。每一粗糙层修复后用双边滤波上采样重建下一粗糙层,迭代得到最终的修复结果。与相关工作比较,所提方法的修复结果能够保持图像的细节和边缘信息,取得更高的修复质量。利用客观指标评价修复结果。实验结果表明该方法有效易行,修复的图像具有良好的可视效果。     

基于多分辨率的多模态医学图像配准

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI),配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数,重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。     

基于能量图分解与运动偏移特性的步态识别

提出一个新的步态识别算法.首先通过计算轮廓图距离来检测异常步态轮廓图,并利用平均近邻图与平均轮廓图重建异常的图像.然后将对象的步态能量图分解为两部分,并分别为每一部分生成一系列扩展图像,从而构造出能量分解图.接着根据主干图与步态偏移图的对应关系消除静态形状信息,并进行脚部区域校正,从而构造出运动偏移图.最后,使用能量分解图和运动偏移图共同进行分类.实验结果表明,本文算法的识别率远远高于3个典型算法.     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

一种改进的基于多尺度变换的红外和可见光图像融合算法

提出了一种改进的基于多尺度变换的红外和可见光图像融合算法.首先,用形态学帽变换对两幅已经配准的红外图像和可见光图像进行处理,然后将处理后的图像分别进行轮廓波分解得到一系列的高频图像和低频图像.由于高频图像和低频图像特点的不同,对高频图像采用平均梯度进行融合,对低频图像采用PCA的方法进行融合.实验表明,该方法很好地结合了形态学帽变换、主成分PCA算法和轮廓波变换的优点.与传统的融合方法相比,提出的融合方法可以提供丰富的图像信息和清晰纹理细节,且很好地保证了主要目标的亮度基本不变.     

一种基于光照补偿的图像增强算法

 针对局部光照不均图像的增强问题,提出了一种新的基于光照补偿的图像增强方案.该算法将待增强图像分别乘以不同的照射系数来获得不同光照补偿后的多幅图像,利用限邻域经验模式分解(Neighborhood Limited Empirical Mode Decomposition,NLEMD)提取各光照补偿后图像的细节信息和照射分量,所有图像的细节信息叠加来增强纹理细节,照射分量用Retinex算法进行增强处理,最后重构出增强结果.实验表明,该增强方案可以对图像的细节有效地增强,同时有效地解决了光照补偿问题.     

基于限邻域经验模式分解的多波段图像融合

根据不同波段图像信息互补性,提出基于限邻域经验模式分解(NLEMD)的多波段图像融合新算法.将待融合图像进行NLEMD分解,利用其自适应特性及高频细节信息的强获取能力,对不同图像的内蕴模式函数分量和剩余量中的像素按照局部最优原则进行选取,将融合后的内蕴模式函数分量和剩余量反向重构获取融合图像.实验证明该算法具有更强的细节获取能力,融合效果优于传统的基于小波分解的融合算法.     

基于对比度的多分辨图像融合

本文给出一种基于对比度的多分辨图像融合算法.首先,利用小波变换得到待融合图像的多分辨分析,同时得到图像的多分辨对比度序列;然后以对比度为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用小波逆变换重构融合图像.算法使用同一场景可见光图像和红外图像进行了验证,结果表明,融合图像完好地显示了源图像各自的信息.     

基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

多光谱可见光图像与高分辨率图像的分维融合

针对遥感图像,提出了一种遥感多光谱可见光图像与遥感高分辨率全色图像融合的小波分维算法.利用小波变换的方向选择}生,对遥感多光谱的1分量和遥感全色图像进行小波分解,进而在不同子带中进行遥感图像融合,低频部分采用基于区域能量的融合算法;高频部分使用21×21的窗口加窗逐点计算分维作为权系数进行融合;最后将得到的灰度融合图像...