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。     

基于生成对抗网络的渐进式夜视图像彩色化算法

受限于夜景光照不足等影响,夜视成像中的部分内容极易缺失或模糊,导致这部分的彩色化效果不佳.为此,本文提出了一种基于生成对抗网络的夜视图像彩色化算法, 通过对纹理细节的修复来提升图像模糊区域的彩色化效果.首先,在模糊区域修复中,利用下采样操作减少模糊图像块的比例,并用梯度调节预测器对模糊图像块周围的像素值进行预测,以此来不断增强和修复模糊的纹理细节.其次,在彩色化过程中,依托于生成的超分辨率图像和已有的先进对抗网络着色模型,通过最小化亮度和纹理等失真,来生成较为清晰的彩色图像.实验结果表明,经过模糊区域恢复和增强之后,灰度图像的PSNR平均提升0.33 dB.相比之前的夜视图像彩色化方法,本文方法可以赋予灰度夜视图像更丰富、自然的色调,更清楚地表达图像的细节,从而提高目标探测和识别效率.     

基于图像整体变分和分数阶奇异性提取的图像恢复模型

分析基于图像整体变分理论所对应的图像恢复整体变分模型的不足：对于纹理丰富的含噪自然图像，在去除噪声的同时，损失了图像中固有的纹理信息。揭示从残差图像中提取具有分数阶导数奇异性图像的可能性，提出用于图像恢复的残差校正整体变分模型。模型提供一种图像的分解与表示方法。实验结果表明，该恢复模型对自然图像的边缘和纹理等细节保持效果大大优于整体变分模型。     

基于U-net边缘生成和超图卷积的两阶段修复算法

为了有效修复背景复杂、大面积不规则缺失区域，得到合理的结构和精细的纹理，提出了基于U-net边缘生成和超图卷积的两阶段修复算法.首先，将缺失图像输入基于U-net门控卷积的粗修复网络，通过跳跃连接将图像的上下文信息向深层传播，获取丰富的图像细节信息，下采样提取缺失区域边缘特征，上采样还原缺失区域边缘细节，同时使用混合空洞卷积增大信息感受野，获取细节纹理信息.然后，将粗修复结果输入含超图卷积的细修复网络，捕获和学习输入图像中的超图结构，使用空间特征的互相关矩阵捕获空间特征结构，改善结构完整性并提升细节细粒度.最后，将细修复结果输入鉴别器进行判别优化，进一步优化修复结果.在国际公认数据集上进行实验仿真，结果显示：本文提出的算法在修复大面积不规则缺失时，可以生成合理的结构和丰富的纹理细节，修复的视觉效果，PSNR,SSIM和L1损失优于对比算法.     

纹理保留的PCA非局部均值改进降噪方法

针对PCA-NLM去噪方法容易丢失图像纹理细节的问题,提出一种基于纹理特征描述的改进PCA非局部均值去噪方法.基于局部结构张量的边缘纹理描述将图像划分为平坦区、边缘区和纹理区,根据边缘纹理特征值自适应地选取PCA维数和搜索区域以改进去噪效果.实验结果表明,该方法对纹理细节丰富的区域能更好地保留了图像纹理细节,降噪效果优于PCA-NLM方法.     

基于双转移网络的深度特征重排图像修复算法

为对图像中大面积缺失区域进行合理的结构修复和精细的纹理填充,提出了一种基于双转移网络的深度特征重排图像修复算法.首先提取缺失图像的特征并还原图像纹理细节;然后根据编码器特征估计缺失内容,提出基于解码器特征的内容损失函数,减少全连接层的解码器特征与缺失区域编码器特征之间的距离,保证合成图像语义的准确性和结构的合理性.在公开数据集上,将提出算法与现有经典算法进行对比,结果表明:在大面积缺失图像修复中,提出算法能得到清晰、细节细腻且视觉合理的结果.     

图像修复的方向梯度TV模型研究

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.     

一种基于线性化Bregman迭代的图像去模糊新方法

基于线性化Bregman迭代法带有软阈值算子的A+算法,结合广义逆迭代格式,提出一个新的混乱迭代方法求解图像的去模糊问题。在算法上充分考虑对细节信息的有效利用,以弥补在每步迭代过程中为了去模糊而过滤掉的图像细节特征的损失,达到有效滤波的效果。同时在计算时间和恢复效果之间取得平衡。数值试验结果表明,新方法在提高计算效率的同时还能得到很好的图像恢复效果,特别是细节特征和稀疏纹理的恢复。     

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。     

基于一致增强异性扩散模型的钞票图像恢复方法*

本文提出一种基于偏微分方程的钞票图像恢复方法。通过分析常用的几种基于偏微分方程（PDE）的图像恢复模型,结合赃污钞票图像特点,最后选择一致增强异性扩散模型,并提出了一种该模型的数值解法对脏污钞票图像进行修复。实验结果表明,用这种模型可以对钞票图像的平滑区域和边缘细节均有比较好的修复能力。     

采用先验知识的边缘提取算法

针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的...     

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.     

基于色差分析的图像修复改进算法

逐块修复的图像修复算法对修复边缘敏感,目前普遍采用的基于等照度线的修复优先权确定方法并不能很好地区分图像的结构和纹理成分,使得修复效果依赖于图像掩码的初始边缘且对于纹理和结构高度混杂的区域不能有很好的修复效果.提出了一种基于色差分析的图像修复改进算法,根据待修复像素块与邻域像素块的像素值变化确定修复优先权.实验结果表明...     

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.     

多尺度生成对抗网络的图像超分辨率算法

基于神经网络的图像超分辨率方法往往存在重建图像纹理结构模糊、缺失高频信息的问题。为了解决该问题,在SRGAN的基础上提出一种多尺度并联学习的生成对抗网络结构,其中生成模型由两个不同尺度的残差网络块组成,首先对提取的低分辨率图像通过两个子网络的多尺度特征学习,然后使用融合网络进行残差融合,融合不同尺度高频信息,最终生成高分辨图像。在Set5、Set14、BSD100基准数据集以及SpaceNet卫星图像数据集上的实验结果证明了该算法在恢复低分辨率图像的细节纹理信息具有良好效果。     

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。     

模糊遥感图像总变分优化恢复方法

 针对遥感图像在成像与传输过程中的退化而导致的图像模糊与噪声干扰,提出了一种基于调制传递函数（MTF）估算与总变分优化的图像恢复方法。通过分析调制传递函数曲线的幅频特性,阐释了基于MTF的遥感图像恢复机制,为抑制噪声干扰和扩大适用范围而采用了一种新的MTF曲线分段逼近策略,并以实验结果验证了该方法较之常规模型的优越性。进而,针对噪声条件下模糊遥感图像的恢复问题,采用改进的快速总变分优化方法实现了对强噪声模糊遥感图像的有效恢复。实验结果表明,本文提出的恢复方法能够在有效抑制噪声的同时更好地保留图像细节和纹理信息,为强噪声干扰模糊遥感图像的恢复处理提供了高效的解决方法。     

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。     

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.     

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。