基于样本块的图像修复方法的改进

基于纹理合成的图像修复算法适合大面积信息缺损区域的修复。基于Criminisi算法,通过对数据项的重新定义,从结构和纹理上对图像进行修复。改进算法在搜索最佳样本块时,考虑到样本块所含已知像素点的信息量对寻找最佳样本块的影响,构造了包含信息量的最优搜索式;为了平滑置信因子更新导致的误差传播,定义了基于曲率的置信因子更新方程。基于上述构造,经多次实验,改进算法得到合适参数,避免了明显冗余像素点的产生并使得纹理连接处连贯。     

基于结构相关性的自适应图像修复

针对传统的Criminisi修复算法中优先函数计算的不足,以及修复后图像质量下降的问题,文中提出了一种基于结构相关性的自适应图像修复算法。首先,引入结构相关性,对优先权计算进行改进,增加优先权计算的可靠性;然后,自适应选择样本块大小,使修复更加准确并提高修复效率;最后,引入HSV颜色空间,根据样本的色度、亮度来搜寻最佳匹配块,减少修复误差,完成图像恢复。实验结果表明,所提算法在主观视觉上有明显提升,并且在峰值信噪比(PSNR)和结构相似度(SSIM)方面均有一定提高,修复效果明显,与传统的Criminisi修复算法相比,其峰值信噪比提高了1~3 dB,结构相似度更接近1。所提算法利用结构相关性和自适应选择样本块大小对彩色破损图像进行修复,优先权计算更加合理准确,修复效率有所提高,修复效果可视性更佳,有利于实际应用。     

改进的Criminisi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在确定匹配块大小时存在的一些不足,提出了一种改进的基于样本的图像修复算法。该算法根据样本的纹元大小确定其匹配块大小,使得匹配更为准确,并利用多级合成提高修复效果,弥补了Criminisi算法修复时出现的结构断裂缺陷。实验结果表明,该方法在修复强结构纹理图像时有很好的效果。     

改进的基于样例的图像修复方法

在Criminisi算法基础上,针对其填充次序不准确等缺点,提出了一种基于样例的图像修复方法。通过在优先权函数中引入相邻像素间颜色差值信息,图像结构部分优先传播。同时,置信度值更新考虑样本填充质量,目标块与相似块差异越小则该值相对较高。另外,块搜索过程中多个样本块有相同最小颜色距离时,选取梯度距离最小的样本块。实验结果表明,改进算法对各类图像取得了较高修复质量。     

一种改进的基于样例的图像修复算法

经典的Criminisi图像修复算法,通过结合偏微分方程算法和纹理合成算法两者的优点,对图像的纹理和结构同时进行修复,获得了较好的视觉效果。但基于样例的图像修复算法在定义优先权时仅考虑了置信度和数据项,导致错误信息的繁衍,使修复结果不理想。在Criminisi算法基础上,提出一种改进的基于样例的图像修复方法。通过重新定义修复块的优先权,增加一种度量图像平滑性的几何量,同时增加最佳匹配块的限制条件,从而使修复后的图像获得了更好的视觉效果。     

基于优先权改进和块划分的图像修复

目的 针对基于样本块的Criminisi图像修复算法易发生置信项迅速下降趋于零,使优先权计算公式失效,导致修复顺序错乱造成的修复效果失真问题,以及在搜索匹配块时存在的搜索范围过大,效率过低,易出现匹配到不符合视觉效果的纹理块问题,提出一种基于优先权改进和块划分的图像修复算法。方法 首先重新定义优先权中的置信项,用样本块中的棋盘距离替代原计算公式,保证优先权一直发挥作用,从而减少因修复顺序不合理造成的错误匹配;其次根据图像纹理信息将其自适应划分为不同大小的图像块,使待修复样本块只在具有相似特征的图像块区域内搜索匹配。结果 实验结果表明,新定义的优先权,保证了修复算法的正常进行,改善了修复图像的视觉效果;由图像自适应块划分引导匹配过程,可使匹配在更少的候选块中进行,提高了算法速度。将本文方法与3种全局搜索匹配方法和1种局部搜索匹配方法进行修复结果对比分析,本文方法的修复结果视觉完整性较好,而且修复时间小于其中3种算法。结论 通过改进Criminisi算法优先权中的置信项,避免因其趋于零导致的修复顺序错乱造成的错误累积情况的发生;同时通过改进待修复匹配块的搜索范围,对整幅图像进行自适应块划分,使搜索只在相似块中进行,不仅减少了时间,而且提高了匹配的准确性。本文方法对于自然图像中大面积目标物体移除方面有较好的应用,可获得较满意的修复效果。     

改进的基于样本块的图像修复方法

在研究Criminisi修复算法的基础上,提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征,自适应选取样本块大小,提高修复的速度;采用新的数据项,改进优先权公式,避免阶梯效应的产生;重新定义置信度的更新公式,引入曲率距离,减少因置信度更新而累计的误差,提高修复顺序的准确性。实验表明,改进的方法能够有效提高修复的效果,减少修复所需时间。     

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。     

基于样本块的图像修复改进算法

Criminisi等人曾提出一种基于样本块的图像修复算法,将其算法中优先权的确定进行了改进,通过引入调节因子[α]调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;同时将优先权公式由相乘改成相加,防止快速衰减,提高修复效果,并从实验证明了算法的有效性。     

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。     

一种改进的基于样本块的目标移除方法

图像修补的目的是对指定的区域进行修补,填补该区域的信息,并且要求最终图像的原有区域与填补区域间的过渡自然,尽量减少人工痕迹。Criminisi曾提出一种基于样本块的图像修补方法,这种方法不仅适用于对数字图像中的大面积破损区域进行修补,而且可以用于移除图像中不想要的目标物。对Criminisi的方法进行改进,在计算优先权时增加多个已知像素的梯度信息,并且用加法代替乘法防止了快速衰减,对于一些比较特殊的图像,通过改变修补顺序提高修补效果。大量实验结果表明,与Crimini-si的方法相比,该方法能够取得更好的视觉效果。     

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。     

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。     

采用顺序修复的样本例图像修复算法

本文提出了一种采用顺序修复的样本例图像修复算法,该方法在原Criminisi经典图像修复算法的基础上对修复顺序进行新的尝试.原Criminisi经典算法的修复顺序通过计算优先级得出,随着修复的深入优先级逐渐趋近于0,导致算法失去作用.为解决该问题,本文采用顺序修复的方法来代替优先级决定顺序,避免出现算法失去作用的情况;同时本文提出的“倒L”型样本模板来增强结构的传播能力、提高匹配的正确率.实验结果证明,本文的修复算法相对Criminisi算法具有优势并取得很好的修复结果.