基于深度引导空洞填补的虚拟视点绘制方法

针对单视点绘制虚拟视点图像存在的空洞问题,提出一种基于深度引导空洞修复的虚拟视点绘制方法。核心思想是通过对多个映射像素点的深度信息和空间位置信息进行加权插值操作来实现细小的空洞填充,并且分区域对大型空洞填补。在像素点插值的过程中,该方法首先考虑映射像素点的可靠性,剔除不可靠的像素点,从而减少错误的映射像素点。在填补大型空洞中,继承基于样本图像修复算法的优点,并引入深度信息来辅助空洞填补,以较为准确的方式来修复图像。实验结果表明,无论是主观视觉效果,还是客观值都要比Criminisi算法要好。     

一种结合CDD 模型和Criminisi 算法的图像修复算法

针对既含有大块缺失信息又含有划痕的图像,结合CDD 模型和Criminisi 算法的 优点,提出一种新的修复算法。算法先采用可以强化细节的自适应直方图均衡化操作来扩大图 像的动态范围,后利用形态学算子分离出待修复图像中的划痕区域与大块区域,接着用CDD 模 型对划痕进行修复,再用改进优先级的Criminisi 算法进行后续修复,最后把修复后的图像对 应于缺失区域的像素填补到待修复图像的区域中。实验结果表明,改进后的算法克服了现有算 法可能存在的偏差延续问题,使图像修复的结果更加符合人们的视觉效果。     

改进的基于样例修补的目标移除方法

借助结构张量具有表达图像局部结构的性质,提出一种改进的区域填充图像修补方法．通过结构张量可以使图像的任意像素点的各个色彩分量获得一致的进化方向,其特征向量主导的目标块填充次序使得信息传播方式具有各向异性的特点．在真实自然图像上移除巨大目标物的比较实验表明：文中方法比Criminisi的基于样例修补目标移除方法具有更合理的、视觉上更真实的修补效果．     

车牌图像污损区域的提取和修复方法

针对污损车牌图像,结合FCM算法和Criminisi图像修复算法,提出一种可以准确分辨车牌图像污损区域并进行图像修复的方法.设计一种能够自动确定聚类数目的FCM算法,用其对图像进行色彩分割,提高提取污损区域的准确度;对Criminisi算法的优先权和匹配块大小做出改进,修复污损图像.实验结果表明,使用该方法后车牌图像污...     

一种改进的欧拉弹性修补模型

数字图像修补技术是数字图像处理领域的一个重要分支,目的是利用待修补区域周围未损坏的信息对图像中的待修补区域进行信息填补,恢复破损图像的完整性,其应用领域主要有文物保护、对旧照片和老电影进行修复、对图像中遮挡文字的移除等。通过将能量泛函中的||?u改为|?u|~p(0相似文献   

强化边缘结构的分段自适应图像修复算法

针对基于样本的图像修复技术在修复井下煤岩图像时存在纹理过渡延伸和边缘结构不连续的问题,提出一种强化边缘结构的分段自适应图像修复算法,其在Criminisi算法中引入基于ISEF的数据项和等照度线曲率信息构成新的优先权函数,解决了修复顺序不当的问题;并利用局部方差特征与信息熵划分的区域类型自适应选择样本块大小,解决了边缘保持的问题。在常用测试图像与孟村煤矿的煤岩图像上进行了修复实验,相较于传统的Criminisi方法,该算法的平均PSNR分别提升了0.37 dB与1.33 dB,平均SSIM分别提升了0.002 3与0.002 7。实验结果表明,该算法对纹理结构信息复杂的图像具有较好的修复效果,为煤壁图像的修复奠定了基础。     

一种交互式的岩心图像修补方法

传统的岩心图像修补方法往往无法对不同宽度的待修补域达到理想效果,并且难以对待修补区域做出选择,这在实际应用中很难满足需要。针对这些问题,提出基于联合一阶与二阶全变差（Combined TV-TV2）的交互式岩心修补方法。该方法首先进行均值漂移对图像进行预分割,然后使用基于区域合并的交互式最大相似度算法确定待修补的区域,最后以联合TV-TV2修补模型为基础,应用分裂Bregman迭代进行求解。实验结果表明,待修补的区域能够被确定,而对于不同宽度的修补区域,该算法能够获得满意的修补效果。     

基于离散小波变换的图像修补方法*

根据多尺度分析原理,提出了基于离散小波变换的图像修复方法.首先用离散小波变换把图像分解为高频成分与低频成分,对图像不同频率的成分分别进行修补.图像的低频部分采用笔者以前所提出的结合中值滤波和基于曲率扩散方法[1]进行修复.由于高频部分地表示图像的边缘轮廓信息,并且有很强的方向性,对高频图像数据先进行分块,用线性拟合求出每一块的方向,再根据方向信息进行修复.实验表明,该算法能较好地修补破损区域.     

改进的Criminisi图像修复算法

图像修复是一种去除图像中多余物体并采用合理的纹理去填充待修复区域的技术。针对Criminisi等人提出的基于样本的图像修复算法,根据目标块中的结构信息与中心点梯度值的相关性,提出了一种新的优先权函数设计方法,以保持待修复区域的强连续性。为加快匹配效率,在确保要获取的匹配块在搜索范围内的同时,采用局部搜索匹配块的方法,相比Criminisi原算法中通过全局搜索得到匹配块的方式,速率更快。实验结果表明,该算法能获得更佳的修复效果。     

基于区域分割和样本信息的图像修复算法

本文提出了一种通过区域分割和样本信息的图像修复算法,该修复算法是迭代的搜索原域和利用原域中最相似的修补块来填充目标域。首先采用区域分割的方法对图像中目标域进行区域划分,确定不同的目标域的修补区域,从而减少对整个原域的搜索;然后利用修补区域中的样本信息选择修补块大小;最后对图像进行修复。实验结果表明,该算法是有效的,从视觉修复效果较其他算法有了显著提高。     

基于聚类分割和纹理合成的图像修复改进算法

Criminisi提出的基于样本的图像修复技术需要在整幅图像中遍历样本,代价太大,并可能因选择错误的样本,不断迭代更新后而导致错误信息累积,使修复结果出现较大的偏差。同时,考虑到Criminisi算法中优先权函数的计算失误可能导致修复结果中出现结构失真,由此提出一种基于聚类分割和纹理合成的图像修复改进算法,将目标样本块的搜索限定在与源样本块所覆盖的类别一致的区域当中。在像素点优先权计算中,引入该像素点邻域灰度梯度差值信息,提出更为合理的优先权计算公式,以最大限度保证复杂场景中边缘优先传递,并在置信度更新项中有差别地对待新填充像素点。通过实验证明,改进算法不仅解决了Criminisi算法可能存在的结构偏差延续问题,修复视觉效果更加符合人们的主观感受,而且大大缩短了修复时间。     

基于改进Criminisi算法的图像修复

针对Criminisi算法难以获得理想的修复效果,且存在修复时间过长等缺陷,提出一种改进Criminisi算法的图像修复算法。改进优先权计算方式找到最优待修复块,完善最优匹配块搜索策略,找到最优匹配块,采用新的置信值更新方式以获得更为理想修复效果,通过仿真实验测试算法性能,结果表明,相较于Criminisi算法,改进Criminisi算法不仅获得了较理想的图像修复效果,而且大幅度减少了修复时间,提高了图像修复的效果。     

基于改进Criminisi算法的地基云图修复方法

全天空成像仪（Total sky imager,TSI）对天空进行观测时,设备的结构特点会使采集到的云图信息不完整,对图像的分析造成不利影响。针对Criminisi算法修复地基云图所造成修复顺序发生错误、图像不连续以及匹配块遍历搜索时间复杂度大的问题,本文提出了一种基于改进Criminisi算法的地基云图修复方法。该算法改进了优先权计算公式,引入地基云图独特的红蓝比特征作为置信项,使得含有更多信息的像素块具有更高的优先级,在搜索匹配块的过程中,基于启发信息选择匹配区域的大小,避免了搜索到离待修复块较远的相关性较低的匹配块,也有效缩短了匹配块搜索时间,降低了算法的时间复杂度。实验结果表明,改进后的Criminisi算法具有较好的图像修复效果,且降低了时间复杂度,提高了修复效率。     

区域自适应的图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法使用穷尽搜索的方式寻找最优匹配像素块,以及采用固定大小的修复像素块进行修复时产生的错误匹配和信息延伸对图像修复质量的影响,根据像素点周围邻域信息对该像素点的决定作用和结构信息的重要性,提出一种区域搜索和自适应模板图像修复方法,以增强信息的局部协调性和边界信息的恢复能力,提高图像整体的修复效果。大量实验表明,改进算法在减少修复时间的同时,能较好地保持图像的结构,从而使修复结果达到更好的视觉效果。     

划分特征子区域的图像修复算法

为了解决含有丰富纹理信息和复杂结构信息的大破损区域中的缺失信息修复的问题,提出了一种划分特征子区域的图像修复算法。首先,根据图像中包含的不同特征,运用特征公式进行特征提取,再通过统计特征值划分特征子区域,提高了图像修复的速度;其次,在原Criminisi算法的基础上改进了优先级的计算,通过增大结构项的影响,避免结构断裂的产生;然后,通过目标块和其最佳邻域相似块共同约束样本块的选取,确定最佳样本块集;最后,利用权值分配法合成最佳样本块。实验结果表明,所提算法相比原Criminisi算法,其峰值信噪比（PSNR）提升了2~3 dB,相比基于稀疏表示的块优先权值计算的算法,其修复效率有明显的提高。所提算法不但适用于一般小尺度的破损图像的修复,而且对于含有丰富纹理信息和复杂结构信息的大破损图像的修复效果也更佳,并且修复后的图像更加符合人们视觉上的连通性。     

结构张量的改进Criminisi修复

目的 针对传统基于样本块的图像修复算法中仅利用图像的梯度信息和颜色信息来修复破损区域时,容易产生错误填充块的问题,本文在Criminisi算法的基础上,利用结构张量特性,提出了一种改进的基于结构张量的彩色图像修复算法。方法 首先利用结构张量的特征值定义新的数据项,以确保图像的结构信息能够更加准确地传播;然后利用该数据项构成新的优先权函数,使得图像的填充顺序更加精准;最后利用结构张量的平均相干性来自适应选择样本块大小,以克服结构不连续和错误延伸的缺点;同时在匹配准则中,利用结构张量特征值来增加约束条件,以减少错误匹配率。结果 实验结果表明,改进算法的修复效果较理想,在主观视觉上有明显的提升,其修复结果的峰值信噪比（PSNR）和结构相似度（SSIM）都有所提高;与传统Criminisi算法相比,其峰值信噪比提高了1~3 dB。结论 本文算法利用结构张量的特性实现了对不同结构特征的彩色破损图像的修复,对复杂的线性结构和纹理区域都有较理想的修复,有效地保持了图像边缘结构的平滑性,而且对大物体的移除和文字去除也有较好的修复效果。     

一种改进的基于样图的图像修复算法

图像修复的目的是填补有信息缺损的图像,并使观察者无法察觉出图像的填补痕 迹。分析了图像修复技术中的Criminisi算法,针对它的不足,提出一种新的改进算法。新算法从4个方面加以改进：使用了新的优先权计算函数,优化了优先权大小选择的计算,避免了因模板数据项迅速衰减带来的错误填充次序;利用Sobel算子改进等照度线计算,使等照度线上的点优先被修复;采用新的匹配方法,将查找匹配的范围锁定在破损区域的边缘。最后为了平滑置信值更新导致的误差传播,定义了新的置信值更新方程。实验结果证明,本文图像修复算法不但可以改善图像修复质量,还可以提高图像修复效率。     

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。     

破损区域分块划分的图像修复

目的： 提出一个算法,使计算机能够自动修复破损区域较大且结构信息较复杂的图像。 方法： 本研究通过模仿手工修复破损区域较大且结构信息较复杂的图像的方法,按如下2个步骤来修复图像：1) 破损区域的划分,首先,对各断裂边界线进行匹配配对。然后,将已配对的各断裂边界线进行直接连接,从而在破损区域内形成各个待修复块。2) 各块的修复,首先,采用BSCB算法中的传输方程和扩散方程将已选邻域信息迭代传输和扩散到各块破损区域,以修复完优先级最大的各个块。然后,判断是否有次优先级的待修复块,若有,则采用边界线删除算法删除部分冗余边界线,接着按相同方法修复次优先级的待修复块;若无,则修复完成。 结果： 基于以上图像修复步骤,提出了破损区域分块划分的图像修复算法。将提出的该算法和其它3个算法用于修复破损区域较大且结构信息较复杂的图像,其结果显示,该算法所修复图像的PSNR值平均提高1.49db,同时,所修复图像具有较好的视觉效果。 结论： 和其它3个算法相比,提出的破损区域分块划分的图像修复算法更适合于修复破损区域较大且结构信息较复杂的图像。