针对匹配块不存在的Criminisi算法改进研究

该文针对Criminisi算法在已知区域中不存在合适匹配块而造成的修复效果失真问题,探讨了一种利用匹配块相似度大小,对修复失真区域进行定位和修复的改进算法.算法首先对Criminisi算法在修复过程中所产生的修复失真区域进行定位,然后将该区域分解为结构和纹理两部分,最后分别利用TV模型和纹理合成技术完成对结构、纹理的修复.实验证明,改进算法较好地克服了Criminisi原算法所存在的缺点,有较好的视觉效果.     

结合颜色向量角和灰度熵的图像修复

针对现有图像修复算法效率低下的问题,提出一种结合颜色向量角和灰度熵的图像修复改进算法．根据颜色向量角能够衡量图像中不同颜色之间的差异特性,算法先构造边缘项来代替Ｃｒｉｍｉｎｉｓｉ算法中的数据项,并改进优先级计算方式;然后根据图像局部灰度均值的一维信息熵来度量图像中待修复块周围图像,进而采用局部平均灰度熵确定搜索区域的大小,以减少搜索最佳匹配块的搜索时间．实验结果表明,与Ｃｒｉｍｉｎｉｓｉ算法相比无论从速度上还是修复的质量上文中所提算法都占有优势．     

一种基于区域搜索的快速图像修复算法

基于纹理合成的图像修复技术在修复大面积破损区域时,普遍存在时间复杂度高的问题.针对Criminisi等提出的基于样本图像修复算法中的匹配技术存在的问题.该文提出了一种根据图像破损区域尺寸进行快速匹配的算法.同时,为了强调前次修复对以后修复产生误差累积的影响,提出了新的置信度更新方法.实验结果表明,改进算法对图像结构边缘...     

基于非局部正则化的乘性噪声去除模型及Split-Bregman算法

针对全变分去噪模型会模糊图像边缘和纹理部分的问题,提出一种改进的去除乘性噪声的非局部正则化模型,并利用Split-Bregman算法进行求解。对观测图像取对数变换,将乘性噪声转化为加性噪声,利用全变分思想,以非局部TV范数作为正则项,通过图像区域与区域的灰度相似性来确定权重系数,进而更好地保持图像的纹理结构;在模型中加入紧凑项来保证去噪图像的紧凑性。对模型求解并进行数值仿真实验,结果表明:改进的去除乘性噪声的非局部正则化模型能够去除图像噪声且较好地保持其纹理部分。     

基于塔型结构和LIP模型的图像增强方法

为了提高医学灰度图像的整体对比度,通过融合金字塔结构和对数图像处理(Logarithm Image Processing,LIP)模型,给出一种图像增强算法。新算法引入图像金字塔结构,对灰度图像进行塔型分解,并采用梯度锐化和LIP模型对分解图像进行增强后,再实现图像重建,并逐层累加突出图像细节,以挖掘LIP模型的局部增强特性。仿真结果表明,新算法可改善灰度图像的纹理细节和对比度。     

基于轮廓-纹理分解的图像修补技术研究

研究了传统整体变分去噪算法和图像修补算法,提出了一种基于轮廓-纹理分解的图像修补算法.算法首先将待修补图像分解为轮廓结构图像和纹理细节图像.再对轮廓结构图像的空缺进行轮廓结构修补,并对纹理细节图像的空缺进行纹理合成.最后将修补后的轮廓结构图像及纹理合成后的纹理细节图像进行合成,得到需要的修补图像.这种方法能够很好地修补图像空缺部分的轮廓结构及纹理细节.实验结果表明,该算法比纯结构图像修补法或纯纹理合成法要好.     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

基于边缘指导的双通道卷积神经网络单图像超分辨率算法

当前基于卷积神经网络(CNN)的超分辨率(SR)重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率(HR)图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析(MCA)分解的边缘指导双通道CNNSR算法:待处理的低分辨率(LR)图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括:执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示:该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.     

由粗到细的渐进式特征点定位算法

为了解决描述口形轮廓的特征点定位问题,提出了一种特征点定位算法,通过建立口形灰度图像与口形特征点矢量之间的线性映射关系,实现了特征点的初始定位．在此基础上利用局部纹理模型,对特征点位置进行了准确调整．该算法克服了单纯基于局部纹理模型可能陷入搜索过程中局部收敛的缺点．并提出了适合描述唇部特征的局部纹理模型,提高了特征点标定的准确性．     

一种改进的灰度图像修复算法

针对大面积破损区域图像修复中Criminisi算法存在修复质量差和时间复杂度高的缺点,提出一种改进的图像修复算法。改进算法将优先权的计算形式由相乘变为相加,并增加梯度数据项对优先权的计算方式。通过结构信息控制优先权,从而优先修复结构信息。设计根据待修补块中心点的梯度大小,使用全局搜索来寻找匹配块,以提高修复质量和速度。对置信度更新的方式进行修正,引入每次匹配的精度作为惩罚因子的参数,以减小误差向下一次迭代的传播。仿真实验显示,改进算法的修复效率比原算法提升了58%到70%,且修复质量的视觉效果有所提升。     

运用总变分最小化和振荡函数的图像分解方法

为有效地提取纹理和去噪而不损坏图像的边缘及其他重要细节,Meyer(2001)提出了分别用BV空间和G空间刻画图像的主体和细节部分,笔者在Meyer的图像分解模型基础上,建立能量最小化PDE方程,将模型离散化后,利用投影算法和ROF模型的求解方法,将图像分解为有界变差部分u和包含纹理和噪声的部分v.数值实验表明,此方法仅用共40次迭代就能达到很好的分解效果,且去噪的信噪比比ROF模型提高了29.95%,而且除能有效地提取纹理和去噪外本方法对图像的边缘及其他重要细节损坏较小.     

基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

基于自适应小波变换的图像卡通纹理分离

Vese等在前人工作基础上提出一个快速分离方法,但该方法在图像强边缘处不能很好分离出纹理。为解决该问题,我们在Vese方法得到的卡通图像上进行自适应小波,再次进行卡通纹理分离。数值实践结果表明,文章使用的方法能够取得更好的卡通纹理分离效果。     

改进光流算法在地震图像纹理分析的应用研究

为在消除噪声的同时有效保护地震图像线性结构,提出一种改进光流算法与纹理平滑滤波相结合的新方法.首先,利用高斯金字塔多尺度描述方法解决大流速计算问题,提高精度;其次通过设置迭代结果残差的均方根的门限值,减少迭代次数,缩短处理时间;最后,根据地震图像剖面纹理复杂度,结合纹理属性分析,选用不同的模板进行纹理平滑滤波,提高信噪比.经与传统的均值滤波和目前较先进的改进Sobel滤波器以及利用标准化全梯度进行地震图像边界探测的方法相比,本文提出的算法能够有效的保存地震数据的边缘信息,增强地震图像同相轴的连续性,提高信噪比7～10 dB,缩短处理时间2～3分钟.实验结果表明:本文构建的高斯金字塔多尺度描述与光流算法结合,同时结合纹理平滑滤波构成的综合改进算法,在提高信噪比的同时,较好地保持了原图像的纹理结构和能量,并减少了处理时间,提高了地震资料解释的效率,是目前地震图像纹理分析领域处理效果较好的方法之一.     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．     

Image decomposition using the non-convex functional

This paper proposes a new model for image decomposition by non-convex functional minimization. Instead of using the Banach norm as the fidelity term, we use the integral of the square of residual component divided by its gradient as the fidelity term. This non-convex fidelity term has a very low value for the texture image and a high value for the geometric image, so it is appropriate for image decomposition. The gradient descent procedure is used to solve the proposed minimization problem, which leads to evolving a new nonlinear second-order partial differential equation(PDE) to a steady state. Compared with the total variation minimization(TV) model and the fourth-order PDE(OSV) model, the proposed nonlinear second-order PDE maintains many more sharp edges, so the texture part has less cartoon information. Experimental results also demonstrate that our model performs better than the standard TV and OSV models in image decomposition.     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想.为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法.首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;...