基于偏移差值的结构化稀疏图像修复算法

针对基于匹配的图像修复算法中存在线性结构和 重复区域不能良好保持结构连贯性的问题,提出基 于偏移差值的结构化稀疏图像修复算法。首先定义一个新的特征偏移差值,结合图像颜色特 征构造样本块 间相似度项,并利用该相似度项寻找最佳匹配块;然后将偏移差值信息和颜色信息共同作为 稀疏约束项来 构造约束方程,以提高稀疏表示的准确性,从而保证邻域信息一致性。实验结果表明, 文 中方法对线性结 构和重复区域的破损修复能获得更好的效果。     

基于块结构稀疏度的自适应图像修复算法

现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB ～ 1.2dB,并且提高算法速度3～7倍.     

基于结构信息约束法则耦合匹配模型的图像修复算法

针对当前较多图像修复算法依靠固定大小样本块来搜寻最优匹配块,忽略了样本块的结构信息,使修复图像出现间断现象以及振铃现象等不足,利用样本块与其邻域块的近似度,设计了一种采用结构信息约束法则与匹配模型的图像修复算法。将图像的信息熵特征引入到待修复块的优先权计算过程中,获取优先修复块。通过样本块与其邻域块的近似度构造结构信息度量模型,对样本块的结构信息进行度量,并根据度量值建立结构信息约束法则,实现样本块大小的自适应调整。最后,利用图像的色彩及灰度特征构造匹配模型,利用调整后的样本块大小在已知区域中寻找最优匹配块,从而对待修复块进行修复。实验结果显示,所提算法得到的修复图像具备较好的纹理连续性,不存在信息间断现象,对应的结构相似度较高。     

基于结构偏移映射统计和多方向特征的MRF图像修复算法

为使目标移除后的修复效果更好地满足人眼视觉要求,本文提出基于结构偏移映射统计和多方向特征的修复方法.一方面,为更好地保持修复后图像结构部分的连贯性,首先基于Curvelet变换获得的边缘特征将待修复图像划分为结构部分和非结构部分,分别统计相似块之间的偏移映射,在此基础上选择主要的偏移映射作为两部分的候选标签.另一方面,为更好地保持填充区域内相邻像素间的连续一致性,构造引入多方向特征的全局能量优化方程.实验结果表明本文所提出的图像修复算法性能优于多种现有算法.     

基于局部结构变换域稀疏外观模型的目标跟踪

[目的]为了降低稀疏表示目标跟踪算法的计算复杂度,[方法]在粒子滤波框架下提出了基于局部结构变换域稀疏外观模型的视觉目标跟踪算法.[结果]该算法在目标区域附近提取重叠的局部图像块,并计算出所有局部图像块的二维离散余弦变换,获得图像块的变换域系数.变换域的能量集中特性被采用来降低字典的维度与候选样本的数量,并且对系数压缩一定的自由度可以抑制噪声与遮挡影响.采用被裁剪的样本与字典获得局部图像块的稀疏编码,然后将当前目标区域中所有小图像块的稀疏向量加权融合得到目标区域的稀疏表示值,并通过决策模型获取最优跟踪结果.与现有三种最新的跟踪算法比较的实验结果表明,[结论]所提算法的跟踪性能接近或超过对比算法,同时大大减小了f1范数最小化的计算复杂度.     

非局部学习字典的图像修复

该文提出一种新的基于学习的图像修复算法。与经典的稀疏表示模型不同,该文将非局部自相似图像块统一进行联合稀疏表示,训练高效的学习字典,并使自相似块间保持相同的稀疏模式。该方法既确保自相似块投影到稀疏空间后也具有相似性,也较好地保留了自相似块间的相关性信息,更有效地建立了它们的联合稀疏关联,并将这种关联作为先验知识来指导图像的修复。该算法使用大量自然图像样本来训练初始的过完备字典,既利用了样本图像的先验知识,又充分考虑了待处理图像本身的相关信息,自适应性强。通过对自然图像进行大﹑小范围图像修复和文字去除实验,该文方法均取得不错的修复效果。     

基于图像块分类稀疏表示的超分辨率重构算法

 目前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示,不能反映不同类型图像块间的差别.针对这一缺点,本文提出基于图像块分类稀疏表示的方法.该方法先利用图像局部特征将图像块分为平滑、边缘和不规则结构三种类型,其中边缘块细分为多个方向.然后利用稀疏表示方法对边缘和不规则结构块分别训练各自对应的低分辨率和高分辨率字典.重构时对平滑块利用简单双三次插值方法,边缘和不规则结构块由其对应的高、低分辨率字典通过正交匹配追踪算法重构.实验结果表明,与单字典稀疏表示算法相比,本文算法对图像边缘部分重构质量明显改善,同时重构速度显著提高.     

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。     

基于块方向性小波变换的图像融合算法

针对传统小波变换存在的缺陷,提出了一种基于块方向性小波变换的图像融合算法.将输入的图像均匀划分成多个子块,并通过训练确定每块图像的方向性小波;利用块方向性小波对图像进行稀疏变换得到稀疏系数,对融合系数进行逆变换得到融合图像,并采用仿真实验对算法性能进行测试.实验结果表明,相对于其它图像融合算法,如DTC、FFT和DWT等,本算法无论是在近物图像、遥感图像还是红外线图像上,其信息熵和平均梯度等图像融合质量评价指标都更优,使图像融合过渡效果更加自然.同时其图像融合速度更快,可以满足图像处理系统实时性的需求.     

基于样本-扩展差分模板的联合双稀疏表示人脸识别

在人脸识别中,每类数据分别位于由字典形成的高维空间中的多个低维线性子空间,考虑到这一结构信息对识别起到一定支持作用,利用块结构稀疏表示进行人脸识别。针对训练图像不能涵盖测试条件下的人脸变化这个问题,提出基于样本-扩展差分模板的联合双稀疏表示识别算法。它通过构造样本-扩展差分模板来表示训练样本与测试样本之间可能存在的差异,这些类内差异信息可被不同的类别所共享,即任何一类人脸图像的类内差异可表示为其他类别类内差异图像的原子稀疏线性组合。这样识别问题被转换为在训练样本空间和扩展差分模板空间寻找测试样本的块稀疏与原子稀疏的联合双稀疏表示。在AR和Extended Yale B数据库上的实验结果表明,在具有光照、表情变化和遮挡的情况下,本文提出的识别算法具有更好的有效性和鲁棒性。     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。     

强化边缘结构分辨的分段自适应图像修复

针对Criminisi算法对边缘纹理分辨不足、无法识 别图像局部区域的直线和曲线的特征以及通过颜色进行块匹配而造成修复效果失真等问题, 提出一种局部特征与边缘纹理分辨相结合的分段自适应图像修复 算法。首先在分段自适应图像修复算法的优先权中引入边缘分辨因子和特征判断因子,增强 对边缘、局部 区域的直线和曲线的分辨能力,克服破损边缘不合理的修复顺序;其次在块匹配准则中引入 特征项,提高 样本块的匹配准确率,避免块匹配的颜色匹配不足;然后采用分段自适应算法进行置信项更 新,解决置信 项快速趋于0的问题;最后采用主客观的评价体系对图像修复质量进行评价。评价结果显示 分段自适应图 像修复算法的图像修复质量优于其他算法,信噪比和峰值信噪比的评价值均提高在 0~3.8之间;在结构相 似度的优化程度上提高了0~0.7%。实验结果证明,分段自适应图像修 复算法有效地修复了破损图像,获得较好的图像视觉效果。     

一种改进的BSCB图像修补算法

针对传统BSCB算法对颜色复杂度高或缺损区域较大的图像修补效果较差的问题,提出一种改进的BSCB图像修补算法.考虑传统算法中初始化、光滑算子和修补扩散等步骤中存在的缺陷,分别对其进行了改进.改进的BSCB算法进行图像修补时,采用随机初始化方法,引入平滑和梯度算子代替原拉普拉斯图像平滑算子,并采用加权平均算法选择所有邻点进行异向性扩散,从而得到最终修补结果.实验表明,新方法修补图像,特别是修补颜色复杂度高、缺损区域较大的图像具有较好的效果.     

改进的基于邻域嵌入的图像超分辨率重构

为了提高传统的基于邻域嵌入的图像超分辨率重构算法的时间效率,采用了一种利用图像块方向信息进行邻域选择和训练集分类的新方法。该方法首先利用图像块方向的不同对训练集进行分类,然后在分类后的子训练集中选择与待重构图像块的方向相似的图像块作为邻域进行重构,并对重构结果进行迭代反投影全局后处理,进一步提高重构质量,最后对改进方法进行数值实验验证。结果表明,该方法不仅把超分辨率重构的时间效率提高了10倍以上,而且重构质量也得到了改善,具有较好的实际应用价值。     

基于HSI梯度统计特性的图像修复算法

为更好保持修复后图像的结构连贯性及与邻域信 息的连续一致性,提出了基于HSI梯度统计特性的图像修复算法。 该方法首先在HSI色彩空间提取图像的梯度特征,利用梯度均值和方差等统计量重新定义样 本块的结构相似性,在此基 础上构造加权的数据项和平滑项的全局能量约束方程,同时自适应地确定计算全局能量的样 本块尺寸和多分辨率层数,并 利用图割算法进行最优化求解。由于HSI色彩空间能更加充分地提取图像的梯度特征,利用 样本块HSI梯度统计特性使 得搜寻得到的匹配标签更加合理。实验结果表明,该算法对于自然图像中小区域破损和目标 物体移除方面有较好的应用, 修复结果很好地保持了图像结构的连贯性,并削弱了接缝效应,更符合人眼视觉要求。     

RESEARCH ON WEIGHTED PRIORITY OF EXEMPLAR-BASED IMAGE INPAINTING

The priority of the filled patch play a key role in the exemplar-based image inpainting, and it should be determined firstly to optimize the process of image inpainting. A modified image inpainting algorithm is proposed by weighted-priority based on the Criminisi algorithm. The improved algorithm demonstrates better relationship between the data term and the confidence term for the optimization of the priority than the classical Criminisi algorithm. By comparing the effect of the inpainted images with different structure, conclusion can be drawn that the optimal priority should be chosen properly for different images with different structures.     

Exemplar-based image inpainting using adaptive two-stage structure-tensor based priority function and nonlocal filtering

For the exemplar-based image inpainting problem, the filling order and local intensity smoothness are two crucial factors that should be considered carefully. This work gives a new exemplar-based image inpainting method, preventing geometric structures from being destroyed and reconstructing textures well to obtain elegant-looking outputs. For a better filling order, we define a new adaptive two-stage structure-tensor based priority function. To promote the local intensity smoothness, we adopt a non-local way, and at the same time, propose a weighted filter based on a Gaussian-like function to generate the ideal filling patch by combining non-local patches. We compare the proposed method with some recent state-of-the-art image inpainting approaches on different tasks, such as texture and structure synthesis, object removal, and remote sensing images inpainting. Experimental results demonstrate the superiority of the proposed method, both visually and quantitatively.     

基于小波分析的视频图像修复算法

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.针对视频图像损坏特征中较复杂的水平与垂直条带,利用视频图像时间连续性的特点,提出基于小波分析理论的修复方法.实验结果表明,该系统能够较好地恢复视频图像和有效去除文字.     

Color image segmentation using adaptive color quantization and multiresolution texture characterization

This paper presents a new hybrid color image segmentation approach, which attempts two different transforms for texture representation and extraction. The 2-D discrete wavelet transform that can express the variance in frequency and direction of textures, and the contourlet transform that represents boundaries even more accurately are applied in our algorithm. The whole segmentation algorithm contains three stages. First, an adaptive color quantization scheme is utilized to obtain a coarse image representation. Then, the tiny regions are combined based on color information. Third, the proposed energy transform function is used as a criterion for image segmentation. The motivation of the proposed method is to obtain the complete and significant objects in the image. Ultimately, according to our experiments on the Berkeley segmentation database, our techniques have more reasonable and robust results than other two widely adopted image segmentation algorithms, and our method with contourlet transform has better performance than wavelet transform.