非均匀纹理图像大区域修复算法

为了改善实际非均匀纹理图像大区域修复效果,提出了一种改进的纹理合成算法.在传统图像修复算法优先权系数的基础上,增加了方向性优先权系数,为纹理合成时各点的传播方向和进度提供索引;同时,针对非均匀纹理图像渐近变化的特点,将以待修复块为中心的扇形区域作为最优匹配块的搜索区域,以减少误匹配.仿真实验结果表明,该方法能够有效克服传统纹理合成方法没有考虑方向性的缺点,对实际大区域非均匀纹理图像取得了较好的修复效果.     

用图像类比方法实现艺术风格学习

提出一种基于实例的非真实感图像绘制算法, 该算法利用基于块的纹理合成方法, 在搜索匹配过程中应用粒子群优化算法加快纹理合成速度. 通过参数的调整控制匹配块在结构与细节间的倾向性, 只要输入一个艺术风格画样本就可以把该图的绘画风格传输到目标图中, 从而实现图像类比.     

基于图论优化的约束纹理合成

提出一种基于图论优化的约束纹理合成算法对图像缺陷部分进行修复.首先给出一种基于图论优化的纹理合成方法,该方法采用图论中的最大流-最小割算法对纹理块之间的匹配进行优化;然后对此算法进行扩展,在纹理合成的过程中采用不同类型边界区域来寻找匹配.使得被修复的图像区域过渡自然,没有明显边界感.     

基于邻域关联因子耦合信息度量规则的图像修复算法

针对当前图像修复算法忽略图像纹理信息的变化度而导致修复结果中存在间断及振铃效应等不足,提出了基于邻域关联因子与信息度量规则的图像修复算法。首先,将待修复块与其邻域块的归一化互相关值引入到优先权的计算中,以构造邻域关联因子,并将其与置信度以及数据项结合计算优先权,从而获取优先修复块。利用图像块对应的均值和方差特征,建立信息度量规则,根据纹理信息的变化度对样本块的大小进行调节。最后,引入误差平方和函数,对待修复块与匹配块的相似度进行测量,获取最优匹配块,利用最优匹配块中的像素点对待修复块进行填充,实现图像的修复。通过实验结果发现,所提算法具备更高的修复质量。     

使用特征点定位的纹理优化

提出一种纹理优化算法,以加速纹理合成和确保输出图像结构的正确.在预处理阶段,分析纹理样图中特征点的全局分布,并计算样图结构坐标.在优化阶段,像素邻域匹配之前通过结构坐标匹配排除会导致图像结构错误的匹配位置,避免不必要的匹配计算并确保图像结构的正确;使用低能量的初始值及结构坐标动态调整加速迭代过程的收敛.实验证明,该算法提升了图像质量并加速了合成过程,加速比随纹理随机度的不同而不同,对大多数结构性纹理,至少达到两个数量级.     

基于小波系数相关性的纹理图像快速修复算法

为了实现纹理图像的快速修复,在传统样本块修复算法的基础上,提出了一种基于小波系数相关性的图像修复算法.简要论述了纹理图像各小波变换系数的相关性特点;根据图像分解后小波系数高频成分较少、主要信息均集中在低频分量以及各分量对应位置的信息具有一致性的特点,算法首先对破损图像进行小波分解,然后利用最优样本块匹配的方法对低频分量进行修复,同时实现其他分量对应位置信息的修复,最终通过小波合成完成纹理图像的修复.仿真实验结果表明,在修复效果无明显差异的基础上,该算法比原方法的处理时间大为缩短.     

改进的基于样本块的图像修复算法

目前传统的基于样本块的图像修复算法容易产生错误的匹配纹理块,从而造成视觉的不连续性、结构性强的图像的修复效果差以及不同纹理区域间边界信息处理模糊。针对这些问题,提出了一种改进的基于样本块的图像修复算法。首先加入曲率因子改进优先权计算方法,然后建立目标优先级队列,最后提出了基于矩阵相似度的样本匹配策略。通过对几个关键目标块匹配策略的改变,解决了纹理边界处理误差大、图像过渡不平滑等问题。     

一种结合结构和纹理特征修复敦煌壁画的方法

敦煌莫高窟艺术是集建筑、彩塑、壁画于一体的艺术.对莫高窟壁画要科学的、合理的保护和修复.文章根据敦煌壁画内容的特征,用户可以选择相应的纹理因子和结构因子权重,并通过优先度函数来确定填充顺序.在选取与待填充块最相似的匹配块时,以两者之间颜色差别的纹理合成算法为原形,充分考虑了结构的差别,提出了同时以颜色和梯度作为衡量两者之间的相似性量度的纹理合成算法.实验结果表明,对有刮痕和大的剥落块等破损区域的壁画,该方法都有很好的修复效果,并且保留了壁画原有的艺术风格.     

基于像素自适应邻域的纹理合成方法

针对传统像素点的纹理合成方法普遍存在对纹理样本适用范围比较窄的问题,提出了一种可以自动确定最佳匹配像素邻域大小的纹理合成方法.首先,利用方块编码原理提取样本纹理元,通过纹理元来确定最佳匹配像素邻域;然后,在像素匹配阶段,对像素匹配准则进行改进.通过比较样本像素和目标像素邻域的均值和方差来确定邻域的相似度,最终选择最优的合成像素.对比实验表明,该方法不仅有良好的合成效果,而且具有较广的适用范围,可以作为一种通用性的纹理合成方法.     

改进的基于样本的图像修复算法

针对图像修复过程中相似块匹配时造成的误差,深入研究Criminisi算法关键步骤的基础上,充分考虑图像中的结构性信息,提出了一种新的相似块匹配判定规则。首先,对待修复块和目标块进行颜色空间的相似性度量。然后,获取目标块和待合成块已知区域的结构性信息,并对结构性信息进行相似度度量;最后,将符合判定条件的目标块拷贝至待合成区域,更新修复区域的置信度。实验证明,该方法有效的减少了原Criminisi算法在相似块匹配中所造成的误差,在人为修复痕迹方面效果较好,与周围环境的融合也更加柔和,结果令人满意。     

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值（Non-Local Means, NLM）图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。     

基于梯度调节规则的图像修复算法研究

当前较多图像修复算法采用单一大小样本块进行图像修复,不能适应图像不同差异的纹理丰富度变化,使得修复结果存在块效应以及模糊效应等不足。本文利用图像的梯度值,设计了基于梯度调节规则的图像修复算法。将图像的梯度信息引入优先权计算,联合数据项、置信度项目构造优先权计算函数,以计算优先修复块。利用图像的梯度变化率,建立梯度调节规则,用以调节样本块大小,适应不同的纹理丰富度。引入SSD(Sumofsquareddifferences)函数从源区域中寻找最优匹配块,实现图像修复。实验结果显示,所设计方法修复的图像具有良好的视觉效果。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。     

方差约束因子耦合搜索区域判定模型的图像修复算法

为了解决Criminisi算法在图像修复过程中无法保证修复块的优先级顺序,从而导致修复质量不佳的问题,提出了方差约束因子耦合搜索区域判定模型的图像修复算法.首先,将待修复块分割为两个子块,通过子块的方差构建方差约束因子,并利用方差约束因子改进Criminisi算法中的优先权函数;然后,在二维直角坐标系中对损坏区域进行测量,根据测量结果选取损坏基准值,以构建搜索区域判定模型,确定最优匹配块的搜索范围;最后,引入SSD(Sum of Squared Differences)模型在搜索区域中选取最优匹配块,利用最优匹配块中像素点与待修复块中对应像素点的像素差值构造置信度更新模型,对置信度进行更新,实现图像的修复.实验结果表明,与其他图像修复算法相比,本文算法具有更好的图像修复视觉质量.     

Lexicographic Image Hash Based on Space and Frequency Features

A lexicographic image hash method based on space and frequency features was proposed.At first,the image database was constructed,and then color and texture features were extracted from the image blocks including information for every image in the database,which formed feature vectors.The feature vectors were clustered to form dictionary.In hash generation,the image was preprocessed and divided into blocks firstly.Then color and texture features vectors were extracted from the blocks.These feature vectors were used to search the dictionary,and the nearest word in dictionary for each block was used to form the space features.At the same time,frequency feature was extracted from each block.The space and frequency features were connected to form the intermediate hash.Lastly,the final hash sequence was obtained by pseudo-randomly permuting the intermediate hash.Experiments show that the method has a very low probability of collision and a good perception of robustness.Compared with other methods,this method has a low collision rate.     

基于ROI的多分辨率网格框架的图像检索

提出一种新的基于ROI(regions of interesting)的多分辨率网格框架的图像检索方法。先利用网格对图像进行分块,并利用小波变换对分块进行多分辨率分析,以提取图像各分块的颜色和纹理特征信息,然后根据用户指定的感兴趣的区域得到查询子图,最后使用一种融合子图(integrated sub-images matching,ISM)的匹配方法进行图像检索。通过对比实验,证明该方法能够有效地得到降低图像检索的语义鸿沟,并取得很好的检索效果。     

Query medical images by cluster-based texture matching

Texture is an important attribute for medical image matching and retrieval. We present a texture matching based on clustering texture features which characterize the texture information. We have implemented this technique and tested it in a medical image database of CT images. The test results show that this method has a high efficiency of retrieval. Supported by the National Natural Science Foundation of Guangdong Province Yang Wu: born in 1974, Graduate student     

利用图像块数据库和纹理特征点的图像彩色化方法

针对颜色转移彩色化算法存在速度慢、效果不佳及人工干预性强等问题,提出一种新型的彩色化算法.首先从聚类分割后的各类区域彩色图像中提取矩形块,并计算图像块的颜色直方图和纹理特征;利用颜色直方图比较图像块的相似性,实现数据库的选择性录入;利用目标图像块与彩色图像块纹理特征点之间的欧氏距离比较,查找最佳匹配的图像块,进而实现目标图像的彩色化.通过建立树木、天空、沙滩和草地4类图像块数据库,实现基于数据库技术的免除人工干扰的图像彩色化.     

基于四元数离散Fourier变换的医学图像融合算法

针对医学图像融合中易忽略色彩过渡区域的信息,导致融合图像中存在色彩失真与纹理模糊的不足,本文提出了一种四元数离散Fourier变换的多通道彩色医学图像融合方案.首先,为了降低噪声干扰与颜色失真,将图像分割为一定大小的图像子块.其次,通过四元(Quaternion Numbers, QN)虚数映射像素的R,G,B分量,将每个块转换成QN表示.然后,将每个RGB块从空域变换到频域,使大部分图像信息集中到原点附近或少数几个区域,引入四元数离散Fourier变换(Quaternion Discrete Fourier Transform, QDFT),得到每个子块的QDFT系数.再测量和比较源图像的对比度值来得到融合QDFT系数.最后,在每个块上应用逆QDFT后,结合变换子块获得新融合图像.实验表明:与当前医学图像融合方案相比,本文方法具有更好的融合质量,其输出图像具有更加丰富的边缘与纹理,以及更高的对比度与分辨率.