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%。     

一种基于MRF的快速图像修复算法

基于马尔可夫随机场(MRF)的图像修复算法,在纹理和结构区域均能获得较好的修复效果.然而,基于MRF对图像进行修复,各节点存在大量近似的候选块.传统基于MRF修复算法需要对各节点的近似候选块进行多次重复计算,执行效率低、计算量较大.为克服这一缺点,在马尔可夫随机场框架下,提出了一种快速图像修复算法.在初次迭代前,首先对破损图像进行预处理,采用自适应样本块修复算法,对高斯金字塔顶层的低分辨率图像进行快速的"预修复",以粗略估计破损区域中MRF内部节点的初始值,加快后续相邻节点间的消息传递及收敛速度.其次,以"预修复"结果中的初始信息为约束条件,提出了改进的置信度计算方法.同时,将初始置信度最高的候选块设为节点的第一候选块,根据预设的相似度判别阈值,并利用破损块源区域的纹理复杂程度,对MRF节点的候选块进行筛选,以避免同一个节点具有大量相似的候选块,提高节点的交互运算效率.最后利用MRF进行迭代计算,获得各节点的最优匹配块,实现图像的自动修复.实验仿真结果表明:与传统基于MRF修复算法相比,改进后算法的平均运算时间减少了75%以上,可以获得更高的峰值信噪比(PSNR),修复效果也更为理想;在提高修复效率的同时,取得了更理想的修复效果.     

基于样本块和BSCB模型的壁画裂缝修复方法

针对采用传统方法虚拟修复北齐墓葬壁画复杂裂缝效果较差的问题,以水泉梁北齐墓室壁画为例,提出了基于改进的BSCB(bertalmio sapiro caselles bellester)模型与样本块修复算法相结合的虚拟修复方法。首先直方图增强后用最大类间方差法(Otsu)获取裂缝;其次,结合使用连通域标记算法与开、闭运算分离裂缝;再采用改进的BSCB模型对所有裂缝进行修补;然后用基于样本块图像修复算法消除扩散修复痕迹;最后利用颜色提取、替换恢复前景色彩,获得裂缝最终修复结果。实验结果表明,该方法同时修复壁画纹理区域的大裂缝与相连于壁画结构的小裂缝时,既能保证修复区域的清晰度,又能连接破损边缘,还能恢复部分区域的色彩;相较于其他修复方法,在边缘连续性上至少提升15.90%。     

BSCB与块平移法小波域融合的数字视频修复

提出了一种BSCB(Bertalmio-Sapiro-Caselles-Bellester)与块平移法小波域融合的数字视频修复算法.首先利用BSCB修复当前视频帧的破损部分,之后利用块平移法将后一视频帧中对应位置的完整部分平移到当前帧破损部分.以上两种方法得到两种修复结果,然后在小波域对其按照一定规则融合.通过合理地选择母小波,将待融合视频帧分解为结构部分和细节部分;之后对各分解层分别进行融合处理,低频部分通过加权平均进行处理,高频部分则采用绝对值取大进行处理,最后对融合后的小波视频帧进行小波逆变换,所得重构结果即为融合后的视频帧.实验验证了视频修复算法的有效性.     

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.     

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.     

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。     

基于残差变换器的并行傅里叶卷积修复算法

为解决现有图像修复算法因缺乏上下文信息和有效的感受野导致修复大面积随机破损时效果差且只能修复低分辨率图像的缺陷,提出了基于残差变换器的并行傅里叶卷积修复算法.首先,提出基于变换器的改进残差网络模块提取待修复图像的纹理特征;然后,设计并行快速傅里叶卷积模块增强损失图像的高度有效感受野捕捉结构信息;最后,提出门控双特征融合模块交换和结合图像的结构与纹理分量,融合上下文特征,改善生成纹理的细粒度.在两个公开数据集上进行定性和定量实验,实验结果表明：所提算法可有效修复结构复杂且纹理精细的随机不规则大面积破损区域,生成结构合理、纹理细腻和语义丰富的高保真图像,并能用于高分辨率图像的目标移除.     

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。     

联合特征推理和语义增强的渐进式壁画修复

针对现有深度学习算法修复壁画图像时，未充分考虑破损区域与完好区域信息的一致性，导致修复结果易出现边界效应和纹理模糊等问题，提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先，设计区域渐进结构，实现了待修复区域的渐进式收缩修复.然后，利用特征推理模块，对缺失像素的特征值进行迭代推理填充，减小壁画修复重构误差，增强壁画破损区域与完好区域之间的相关性.最后，将各层特征图自适应融合，并采用语义增强模块进行纹理细节迁移，提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明：所提方法修复结果具有更好的纹理细节一致性，在主客观评价指标上均优于比较算法.     

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.     

一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

一种双约束稀疏模型图像修复算法

针对图像处理中需要修复大面积缺损区域的问题,提出一种基于双约束稀疏模型的图像修复算法.该方法首先在已知区域内搜索与待填充目标块相似的样本,将每个样本块都视为一个高维向量,则相似的样本在高维空间中都在目标块的邻域内.假设邻域中的样本处于同一流形上,使用局部线性嵌入方法对未知区域进行估计,然后利用稀疏表示模型得到最终结果.实验结果表明,与传统的基于样本块的修复方法相比较,使用该算法修复后的图像纹理和结构信息更加清晰.     

基于样本的图像修补

提出了一种基于样本的图像修补方法。该方法首先计算填充前缘上每个修补块的优先权,确定填充前缘上最高优先权的修补块;然后在样本区域中寻找最高优先权修补块的最佳样本块,拷贝最佳样本块的有关图像数据到最高优先权修补块的未填充好的像素点位置;再更新这些刚填充的像素点的自信度。重复这些步骤直至整个图像受损区域填充修补完毕。实验结果表明,该方法能同时有效地修补图像受损区域的纹理和结构,还能较好地去除图像上不需要的物体。     

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。     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

基于笔画宽度检测和改进块修复的自动英文文本移除算法

为了提高英文文本移除后图像的修补效果,提出一种全自动文本移除算法。该算法基于骨架计算笔画宽度,并采用无监督连通区域分类实现文本区域检测与勾画。在文字提取后的缺损区域修复中,对传统基于样本块的修复算法进行了改进,依据边缘结构信息强弱确定边界块的合理修复顺序,采用两步搜索策略避免相似块误匹配,基于低秩矩阵填充技术提高填充区域的逼真度。实验结果表明,该算法能够准确定位文本区域,文本移除后的图像无明显篡改痕迹。