基于CDD模型的快速图像修复算法

为对图像的缺损部分进行快速自动修复,提出了一种基于曲率驱动修复模型的快速图像修复算法.曲率驱动修复模型由于引入了曲率项,使其偏微分方程为高阶,修复时需要数值求解偏微分方程,大量迭代运算导致修复速度非常缓慢.为加快修复速度.算法将模型的偏微分方程数值化,进一步改造成加权平均形式,利用邻近已知像素直接合成损坏像素,加权系数由曲率和梯度共同确定,使修复按照图像等照度线方向进行,在曲率大的地方将等照度线拉伸,同时由待修复点邻域内已知像素的梯度方差确定修复次序.实验结果表明,显著减小了运算时间,一定程度满足"连接性准则",并且对于较小破损区域修复效果好于曲率驱动修复模型.     

基于随机映射的快速图像修复算法

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。     

X射线投影图像中闪烁体缺陷区域的修复

针对X射线投影图像中闪烁体缺陷引起的图像伪影,提出一种缺陷提取算法。采用提取极坐标下局部异常点的方法提取缺陷像素。将本底图像(空扫图像)转化为极坐标形式,提取极坐标下的局部异常像素为缺陷像素,从而得到标记出缺陷像素的掩膜图像。将算法应用于仿真图像的缺陷提取,客观数值和主观视觉2个方面的比较结果验证了该算法的有效性。将梯度信息沿等照度线方向扩散实现图像的修复过程,交叉进行各向异性扩散过程以保证清晰度。对系统采集到的不同放大倍率的X射线投影图像进行缺陷提取,并运用BSCB算法对图像进行修复。实验结果表明,修复后图像的质量得到明显改善。     

基于邻域相关信息的X射线图像增强算法

射线图像存在对比度差、灰度范围小、影像模糊等缺陷。传统的反锐化增强算法是图像增强经常用到的方法,该方法简单易行,但对噪声非常敏感。一般是加上一个低通滤波器来抑制噪声,但加上低通滤波器后又会对边缘造成模糊。 针对上述问题,提出了基于邻域相关信息的射线图像增强算法。首先对射线图像进行多幅叠加降噪,然后根据掩模中心像素和周围邻域像素灰度值的差与输出灰度的查找表进行图像增强。该方法在增强图像的同时能够很好地抑制噪声的增加,实验证明这种方法是可行的。     

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。     

基于局部平均灰度熵的快速图像修复算法

使用块拼贴的基于样本的图像修复算法运行时间主要取决于最佳样本块匹配步骤的执行效率。目前算法普遍采用全局搜索获取样本块,逐一与待修复块进行相似性比对,修复质量和修复效率依赖于采样区域的范围大小。为提高计算效率,提出一种基于局部平均灰度熵的图像修复算法,在每次迭代中根据待修复块邻域窗的平均灰度熵自适应确定采样区域范围。实验结果证明,所提算法相较经典Criminisi修复算法提高了修复质量,且大大提高了修复效率。     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。     

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。     

利用邻域相似度的图像修复

图像修复的方法有很多种,目前最常用的有基于偏微分方程的方法和基于纹理合成的方法。这些修复方法运算复杂,运行速度慢。提出了一种快速有效的新方法,从修复区域的边界上选取一个优先级高的点,计算该点与该点邻域信息之间的相似度,利用邻域各点的相似度来估算待修复点的像素值。最后通过实验对结果加以分析,证明了算法是快速有效的。     

轮胎X射线图像缺陷检测算法研究

随着目前汽车总量增加,由汽车轮胎质量不合格引发的安全事故日益增多,如何有效区分有缺陷的轮胎与合格轮胎已成为目前研究人员关注的重点问题。针对轮胎X射线图像中存在的胎侧气泡和胎侧帘线裂缝两类缺陷,对比合格图像,分析其缺陷特征,依据数字图像处理技术,设计相应的检测算法,并通过实验证明检测算法的有效性。     

基于各向异性插值模型的快速图像修复方法*

基于偏微分方程的图像修复算法运行缓慢,且无法恢复纹理细节,实用性较差。基于地统计学思想,提出一种简单有效的基于各向异性插值模型的图像修复方法。实验表明该方法具有计算复杂度低和能够恢复图像纹理细节的优点,对于图像小区域划痕具有很好的修复效果,具有较高的实用价值。     

基于曲率和中值滤波的快速推移图像修复方法*

提出了一种结合中值滤波和基于曲率扩散的图像修复方法。中值滤波修复方法对于灰度值变化比较平缓的图像,修复效果从时间性能和视觉效果上均比较好,但对于灰度值变化比较剧烈的图像,效果不能令人满意。在结合了基于曲率扩散的修复方法之后,中值滤波的不足之处得到了改善。基于曲率扩散的修复方法考虑了图像本身的几何信息,在修复图像的几何特征上有较高的准确度。图像修复顺序由已知区域向未知区域扩散时经过各破损点的时间决定,用快速推移方法计算该时间。实验表明,该算法能高效、稳定地处理破损区域的图像信息。     

引入连续性强度和置信度因子的快速图像修复

传统的基于偏微分方程的迭代式图像修复算法的运算量较大,修复所耗时间较长,使得这些修复技术很难实际应用。而基于水平集的快速行进法可以快速有效地修复数字图像中的破损区域,但对图像的边缘信息保持不佳。针对这一问题,提出一种改进方案。在权函数设计时引入连续性强度来保持边缘信息,并采用等照度线方向来评估两像素点的位置关系。在对单点进行修复时,引入置信度因子对插值点进行加权。实验结果表明,该算法在保证运行效率的同时,很好地提高了修复效果。     

基于超像素的深度图修复算法

随着计算机视觉领域不断的发展,用于描述场景深度信息的深度图受到越来越多的关注。针对深度图中由于深度信息缺失导致的图像空洞、深度值准确度不高及图像噪声等问题,提出了一种融合超像素和基于方向的联合双边滤波器的深度图修复算法来改善深度图的质量。该算法引入了基于超像素的自适应滤波窗口,并对不同类型的空洞像素点采用不同的滤波算法,从而对深度图进行修复和优化。定性对比实验和定量评价结果表明,其可以有效地修复深度图空洞噪点,获得高质量、高准确性的深度图。     

变分模型在矢量图像修复中的应用

图像修复是指恢复图像中破损区域的颜色信息或者去除图像中的多余物体。分析了基于整体变分法TV模型以及矢量图像耦合技术的原理,根据矢量图像耦合思想将整体变分法运用到矢量图像中并对矢量图像进行试验。实验结果表明：改进的矢量图像耦合修复模型能较好地修复大块彩色图像的缺失信息和移除多余物体,能保持彩色图像的边缘,且有较好的去噪功能。     

基于上下文门卷积的盲图像修复

目前基于深度学习的图像修复方法已经取得较大地进展,其方法均是基于输入的掩模对图像的退化区域进行修复.基于此,提出了由掩模预测网络和图像修复网络组成的2阶段盲图像修复网络.整个修复过程无需输入掩模,掩模预测网络可以根据输入图像自动检测图像退化区域并生成掩模,图像修复网络根据预测掩模对输入图像的缺失部分进行修复.为了更好地...     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

高阶模型的快速图像修补

图像修补是图像复原研究中的一个重要课题。针对总变分模型在修补图像过程中存在的阶梯效应,将高阶偏微分方程（PDE）引入到图像修补中,采用罚方法及交替极小化算法求解该模型。通过仿真实验及结果分析说明该模型及算法的有效性和优越性。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

小波域的快速自适应图像修复算法

传统的基于偏微分方程的图像修复算法需要大量迭代,修复所耗时间较长,复杂度高。针对这一问题,提出了一种小波域的非迭代自适应图像修复算法。该算法对破损图像进行小波分解,找到待修复区域,根据待修复区域及其邻域像素值自适应选择修复模板大小,对修复模板内的像素值进行方向筛选,使修复过程严格按照等照度线方向行进,对修复后的图像进行小波重构。实验结果表明,该方法显著地缩短了修复时间,且对于图像的纹理细节、结构信息都达到了更好的修复效果。