基于表面形态分布的单幅灰度图像高光检测

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,由于只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测图像高光的方法.首先,利用成像过程信息,对表面法向量进行估计;其次,基于物理光照模型,通过模拟退火算法最小化亮度误差函数,计算漫反射成分和镜面反射成分;然后,定位高光区域;最后,给出了基于曲率连续性假设的约束补色方法.通过对仿真图像和真实图像的高光检测及表面恢复,验证了提出的算法具有良好的稳定性,提高了镜面高光图像的表面恢复精度.     

多视角图像特征匹配的高光去除方法

针对物体镜面反射使拍摄图像出现饱和高光导致的纹理信息丢失问题,提出了一种基于多视角图像特征匹配的高光去除方法。首先,选取两幅不同视角的图像作为基准图和辅助图,转换到HSV空间进行亮度调整,将亮度统一后的两幅图像进行特征点匹配,估算出单应性变换矩阵,然后利用该矩阵将辅助图透视变换到与基准图同一视角,最后利用MSF算法对基准图进行高光检测,将检测出来的高光区域遮罩在辅助图的相应位置选择纹理信息对基准图进行填补并修复缺失纹理,从而去除基准图的高光。实验结果表明,所提出的方法适用于多种真实场景图像的高光去除,且在保证图像峰值信噪比和结构相似性有所提高的同时能最大限度地恢复高光区域的纹理细节信息,高光去除后的视觉效果更好。     

基于保边滤波器的单幅图像高光去除

研究图像分割优化问题,由于图像中存在高光中,造成干扰,提出一种简单但有效的单幅图片高光去除方法。传统单幅图像高光去除方法,一般需要进行图像分割预处理,或者进行交互输入。提出的新方法无需图像分割预处理,也不要交互输入,而是使用漫反射色度估计值作为引导值,对最大色度图应用边界保留滤波器,并最终得到去高光后的图片。实验结果比较表明,与传统方法比较,该方法不但能够去除单色物体表面高光,对于复杂纹理表面高光非常有效,且输出图像在非高光区更接近输入图像,提高了图像分割效果。     

一种实拍图像的高光去除方法

根据双色反射模型,通过分离出漫反射分量的方法,获得了对图像中的高光去除的结果。同时,针对双色反射模型要求的相机响应函数必须满足线性关系,但实际拍摄图像为非线性关系的问题,提出了基于参数自适应确定的伽马变换漫反射分离方法。实验结果表明,该方法可对实际拍摄的图像完成有效的高光去除。     

基于SURF的连续帧图像配准及高光去除

物体上的高光直接影响工业检测、模式识别和计算机视觉等领域中后续处理的算法性能。如何检测和消除图像中的高光区域一直是个热点问题。这里介绍了一种基于SURF的连续帧图像配准及高光去除的方法。首先,利用SURF特征检测及其特征描述方法,对连续帧图像进行自动配准;其次,在连续帧图像配准后,对图像进行融合;最后,输出去除高光的图像。实验表明:该方法用于消除或消弱高光区域有比较好的效果,有一定的理论和应用价值。     

基于快速双边滤波的图像高光去除研究

在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。与传统方法相比,该方法高光去除效果更好,处理速度更快,非常适用于一些实时应用的场合。     

医用内窥镜图像的高光移除算法

现有的内窥镜图像高光移除算法往往存在移除结构不合理、颜色失真等情况,而这会导致病灶识别算法和图像增强算法产生错误的结果。为了解决以上问题,在高光定位方面,提出了一种基于暗区域内生长和Scharr滤波结合的相对高光定位方法;在高光填充方面,提出了一种改进的Crinminisi算法。首先,通过统计大量数据,限定搜索范围,从而提高填充效率;其次,改进优先权统计范围,以避免重复的无意义的计算;最后,针对不同区域的自适应模板,合理重建纹理。在选取不同人体组织的内窥镜图像数据集上进行实验,相较于基于双色反射模型的方法、自适应鲁棒主成分分析（RPCA）方法、基于热扩散的方法和原始Criminisi算法,所提算法的自然图像质量评估（NIQE）值均为最小;相较于RPCA方法、基于热扩散的方法和原始Crimnisi算法,所提算法的运行时间也均为最少。实验结果表明,所提算法不仅比其他算法具有更好的客观图像指标,而且相较于原始Criminisi算法在效率上有近百倍的提升。     

实时单幅图片高光去除算法

单幅图片的高光去除是一个非常具有挑战性的课题。综述以往多数方法,一般需要进行图像分割等预处理,或者要求用户进行交互输入。采用的方法是从高光图片的颜色统计规律出发,发现了最大漫反射色度局部平滑这一特性;然后估计镜面反射像素最大漫反射色度,由基于线性模型对最大色度的值进行扩散传播,从图像中的漫反射像素传播到镜面反射像素;最后求出图像中每个像素的漫反射分量。与传统方法相比较,这种高光去除的方法效果较好,而且非常简单,适合并行,可以满足实时应用需要。     

导向滤波的高光去除改进算法

为了解决传统的高光去除方法在去除图像高光时黑色像素点褪色、边缘和纹理缺失、产生伪影效应的问题,提出了一种导向滤波的高光去除改进算法。该算法通过设置第一阈值分离出图像中的黑色像素和其他像素,并采用不同方法分别估算黑色像素和其他像素的最大漫反射色度,避免黑色像素点发生褪色;利用导向滤波器对最大色度图进行了平滑处理,避免了伪影效应;在分离漫反射分量过程中,根据分母与第二阈值的关系,将滤波后图像中的像素点划分为两类,并对不同类别的像素点采用不同方法实现漫反射分量的分离,避免了分母为0导致错误分离。根据实验结果,该算法相比于传统算法,在防止黑色像素褪色、保留图像边缘和纹理信息、避免伪影方面均表现出优势。     

经典光照模型实现人脸图像光照方向准确估计

光照分析对人脸图像的识别与跟踪有重要意义,提出一种人脸图像光照参数准确估计算法。该算法根据光照模型构造光照参数求解的迭代方程,光照参数根据不同需要可同时包含光照能量,光照方向矢量和环境光能量等信息。实验显示迭代过程能迅速收敛,并且光照角度估计准确,yaleB实验数据的水平角度估计平均错误率仅为5.43°。由于算法隐含了人脸姿态描述,因此其另一优势是可以同时对人脸姿态和光照条件进行综合分析,大量实验测试说明该算法用于光照估计有效可行。     

遮挡物体移除与图像纹理修补方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像纹理修补方法.首先将抠像技术应用到目标物的提取过程中,然后使用图像分割的方法实现了分区修补的目的.改进后的方法能够更好地还原图像的线性特征并且减少图像修补的时间.在此基础上,根据不同角度的图像可以提供更加丰富的修补信息这一思想,进一步提出一种基于多幅图像的修补方法,并取得了更高质量的修补效果.实验结果表明,该方法不仅能够准确地提取并移除图像上不需要的物体,而且能够有效地修补图像受损区域的纹理和结构.     

一种改进的基于样本的图像修复方法

分析了Criminisi等人提出的基于样本的图像修复算法,针对其在计算修复块优先级时存在的一些不足,提出一种改进的基于样本的图像修复方法,通过基于TV模型的分解算法将待修复图像分解为结构图像和纹理图像,利用结构图像来计算修复块的优先级,使得优先级的计算更加准确。实验结果表明该方法对图像结构边缘的修复有明显的改善。     

Error Analysis for Image Inpainting

Image inpainting refers to restoring a damaged image with missing information. In recent years, there have been many developments on computational approaches to image inpainting problem [2, 4, 6, 9, 11–13, 27, 28]. While there are many effective algorithms available, there is still a lack of theoretical understanding on under what conditions these algorithms work well. In this paper, we take a step in this direction. We investigate an error bound for inpainting methods, by considering different image spaces such as smooth images, piecewise constant images and a particular kind of piecewise continuous images. Numerical results are presented to validate the theoretical error bounds. Tony F. Chan received the B.S. degree in engineering and the M.S. degree in aerospace engineering in 1973, from the California Institute of Technology, and the Ph.D. degree in computer science from Stanford University in 1978. He is Professor of Mathematics and currently also Dean of the division of Physical science at University of California, Los Angeles, where he has been a Professor since 1986. His research interests include mathematical and computational methods in image processing, multigrid, domain decomposition algorithms, iterative methods, Krylov subspace methods, and parallel algorithms. Sung Ha Kang received the Ph.D. degree in mathematics in 2002, from University of California, Los Angeles, and currently is Assistant Professor of Mathematics at University of Kentucky since 2002. Her research interests include mathematical and computational methods in image processing and computer vision.     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容，它的目的是根据图像现有的售息来自动恢复丢失的信息，可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂，而且难于实现。由于图像的边缘代表了图像的重要信息，所以在设计修复算法时，必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、应用图像的空间连续性，及图像的边缘信息的图像修复算法。该算法实现简单，修复速度快，对小区域的修复效果较好。     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂,而且难于实现。由于图像中的边缘代表了图像的重要信息,所以在设计修复算法时,必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、利用图像的空间连续性,及图像的边缘信息的图像修复算法。该算法实现简单,修复速度快,对小区域的修复效果较好。     

针对单张沥青路面图像中裂缝的高效语义级修复

原始无损路面图像对分析路面损伤演化细节及制定下一步养护方案具有重要意义,而实地采集中无法获取路面裂缝图像对应的初始状态.为了获取其对应的无损路面图像,本文提出了一种基于深度图像先验的无监督沥青路面裂缝图像修复算法,可实现对单张路面图像中裂缝的高效语义级修复.首先采用鲁棒主成分分析算法去除路面裂缝图像表面的竖状条纹噪声.随后,采用最大类间方差法及形态学处理得到裂缝区域的二进制掩码图像.最后,运用提出的深度图像先验修复算法对裂缝区域进行修复得到最终的无损路面图像.在自采集路面裂缝图像数据集上对所提方法进行了评估.实验结果表明,所提方法能够有效实现路面裂缝图像语义级修复,峰值信噪比和结构相似性较传统的方法有了明显提升,平均达到了43.382 3 dB和0.983 4,且兼具高速度.     

融合边缘检测和自注意力的图像修复方法

针对修复后图像边界模糊、图像纹理不清晰、视觉效果差的问题,提出了一种融合边缘检测和自注意力机制的生成式对抗修复模型.通过边缘检测可提取出图像的轮廓信息,避免了修复后边界模糊的问题;利用自注意力机制能够捕获图像全局信息并生成图像精确细节的能力,设计出融合自注意力机制的纹理修复网络.该模型由边缘补全网络和纹理修复网络组成,首先,设计的边缘补全网络对受损图像的边缘进行补全,得到边缘补全图像;其次,利用纹理修复网络联合补全的边缘图像对缺失区域的纹理进行精确修复.在CelebA和Place2两个图像数据集上对本文所建模型进行了训练和测试.实验结果表明:本文所建模型与现有图像修复方法相比,大幅提高了图像修复的精确度,且生成的图像更加逼真.     

基于克里金插值法的图像修复

为了提高油画图像修复的效果,将克里金插值法应用于数字彩色油画图像修复中,把图像的颜色值看作规则采样点上的高度场,将二维图像修复问题转化为空间位置点的插值重建问题.实验结果表明,采用文中方法进行油画图像修复优于已有方法,能正确、稳定地处理各种破损区域,并获得良好的修复效果.     

一种快速的图像修复算法

处理图像修复问题的一类主要方法是建立偏微分方程,用迭代的方法来求解,其中最具代表性的算法是BSCB(bertalmio-sapiro-caselles-bellester)算法。针对BSCB模型速度很慢的缺点,提出了结合扩散率函数的选择性自适应插值算法。实验结果表明,该算法简便易行,使运算速度比BSCB模型提高了很多,同时修复的效果也有所改善。     

一种基于样本块的快速图像修复算法

分析了Criminisi等人提出的基于样本块的图像修复算法,针对其不足,提出一种改进的基于样本块的快速图像修复方法.引入新的度量函数更新置信度,使优先级的计算更加准确;待匹配块的再筛选策略降低了选择最佳匹配块的随机性;已修复样本块邻域检测避免了全局范围内寻找破损边缘.实验结果表明:该方法取得了较好的修复效果,同时提高了...