一种改进的基于Criminisi算法的目标移除方法

由Criminisi算法设想并提出的基于样本块图像修复方法,不但能够修复大面积破损区域,而且可以用于移除图像中的目标物。针对其在计算修复块优先级和搜索最佳匹配块时存在的一些不足,提出了一种改进的基于样本块的目标移除方法。在图片预处理中首先进行膨胀腐蚀处理;其次优先级计算中将置信度计算引入指数,从而得到更加精确的优先权;再次运用局部搜索方法,大大提高了搜索速度和准确性;最后将整幅图再进行拉普拉斯锐化。实验结果表明,修复后的图像效果良好,峰值信噪比大大提高,并且提升了算法效率。     

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。     

基于多模板方向的图像修复方法

在基于样本图像修复的基础上,针对采用单一方向模板的Criminisi算法,在查找最佳匹配块过程中产生的错误匹配甚至查找失败问题,提出了一种基于自适应模板方向的图像修复方法。该算法根据自然图像中存在大量对称或有规则物体的特点,在进行模板的搜索时,通过对待修复块或样本块进行不同角度的旋转和/或映射变换,增大样本空间,来提高最佳匹配块的搜索成功率,防止错误匹配的发生。仿真实验结果证明,该方法能有效地改善图像的修复效果。     

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。     

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.     

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。     

基于结构因子和颜色聚类的墓葬图像修复算法

墓葬壁画图像颜色丰富,一旦破损会丢失大量结构信息。传统算法修复此类图像时,没有考虑图像强结构信息的优先精确修复,造成修复区域的过延伸和不连贯。针对上述问题,提出了一种基于结构因子和颜色聚类的墓葬图像修复算法。算法首先在待修复块优先级计算中加入结构因子项;其次,通过颜色FCM聚类算法划分区域进行相似块精确搜索;最后,根据均值像素差平方和(ASSD)与设定阈值的大小关系,自适应地对修复块尺寸进行调整以实现复杂结构区域的精确匹配。实验结果表明,所提方法对北齐墓葬壁画图像大面积缺损有很好的修复效果,与Criminisi算法比较,在结构相似度(SSIM)上至少提升5.68%。     

基于纹理结构引导自适应的改进Criminisi算法

针对缺损图像修复时容易产生纹理紊乱、边界残缺等问题,基于Criminisi算法提出一种纹理结构引导的自适应图像修复算法。首先对决定合成顺序的优先级进行改进,在数据项中加入结构张量,使图像修复从结构区域向无结构区域填充;其次根据原图像区域纹理结构信息自适应地改变模板块的尺寸,这在一定程度上避免了纹理块过小或过大带来的弊端,从而使合成效果更为自然。实验结果表明,本文提出的改进算法不仅保证了修复图像结构信息的合理填充,还较好地保持了修复边界的完整性,图像修复后具有较佳视觉效果。     

基于SSIM的自适应样本块图像修复算法

现有基于样本块的图像修复算法,大多通过人工设定样本块大小来达到最佳修复效果,缺乏自适应性;此外,对图像不同纹理和结构区域采用相同大小的样本块,也不利于获得整体最优修复效果.为解决上述问题,本文提出一种基于改进结构相似性的自适应样本块大小选取算法,在传统的SSIM算法的基础上增加了梯度信息,并通过结合样本块亮度、对比度和结构3个模块来衡量结构差异,以此确定不同结构和纹理区域的最优样本块大小,提高算法适应性,改善修复效果.仿真实验结果表明,当图像存在复杂的结构和纹理信息时,本文算法仍然能够获得理想的修复效果.     

基于纹理合成的图像修复优化方法

针对Criminisi算法存在高时间复杂度及修复中偏差延续两个问题,提出一种优化方法.首先,在进行SSD(sum of squared differences)准确匹配之前预先计算待修复图像已知区域中所有纹理块的平均灰度值,并在匹配过程中结合阈值比较已知区域中纹理块及当前待修块的平均灰度值,筛选淘汰灰度差异较大的一些纹理块,节省大量匹配时间,加快修复速度.其次,定义一种新的优先权计算公式,其中不仅考虑置信度项和数据项,还增加是否接近原始边界因素的影响,使优先权的计算更为合理,修复的结果更理想.实验表明,此方法简单易行,图像修复效率得到较大提高,修复结果看起来更自然,更符合人的视觉感知.     

一类自适应混合图像修复算法

建立了一类新的图像修复算法,即自适应混合图像修复算法。这一算法的基本原理是:首先将图像分解为几何轮廓和纹理两部分分别修复后再合成。对几何轮廓部分,用自适应整体变差方法进行修复,自动根据区域特点选参修复,在保持边缘信息同时加快了修复速度;对纹理部分,用二阶共生矩阵合成方法进行修复,使修复效果更为理想。     

一种基于纹理补偿的图像恢复方法

基于TV模型的图像修复方法对非纹理图像有较好的恢复效果,但对带纹理的图像,很容易将纹理磨掉。本文从原图像中提取纹理,针对纹理作恢复处理,再将恢复后的纹理信息补偿到TV模型输出的图像上。实验结果表明这种方法大大提高了视觉效果。     

基于样本块的图像修补

图像修补,特别是大区域复杂纹理的修补,是目前图像处理的热点和难点之一.本文重点讨论了基于样本块的图像修补算法,算法综合了偏微分方程和纹理合成的思想,考虑了目标区域填充的优先次序问题.实验证明,该算法具有良好的修补效果.     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

一种新的基于邻近像素点的图像修复算法

图像修复的基本方法主要有两类:纹理合成的方法和基于偏微分方程的方法,但这些修复算法较难理解和实现。该文通过定义修复区域内像素点的优先度,提出了一种基于图像邻近像素的图像修复算法;该算法不需要大量的纹理匹配计算和复杂的偏微分方程求解,易于理解和实现。     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

一种基于纹理的图象相似性度量模型

关于图象间的相似性应用于图象数据库中图象的检索存取，作者提出了一种用于多纹理图象的图象相似性度量的模型；描述了该模型的定义和计算方法，给出了试验结果和分析了它的有效性．     

基于模糊分析的多光谱遥感图像的纹理特征

模糊分析的方法是用均一表面不确定性对原始图像进行模糊纹理滤波,在滤波图像上计算空间均一不确定性,对不确定性进行模糊纹理光谱分析,其光谱曲线直观地反映了多光谱遥感图像的纹理特征;通过采用不同的洲量窗口,在不同的类别提取纹理样品进行实验.研究结果表明:多光谱遥感图像在小区域纹理特征不稳定,不同波段的纹理特征不同,不同类别的最小测量区域不同;模糊纹理分析的方法可用于图像分割.