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。     

基于改进优先级的加权匹配图像修复算法

文章对纹理合成Criminisi算法中优先级的确定以及匹配块的选取分别作了改进,提出了一种基于改进优先级的加权匹配的图像修复算法,在优先级中考虑了图像显著结构的影响,使改进的优先级更加精确;提出了更为合理的加权匹配因子,并根据图像结构相似性特征对图像进行分块修复;实验表明,改进后的算法不仅克服了现有算法可能存在的偏差延续问题,使图像修复的结果更加符合人们的视觉效果,而且大大缩短了修复时间。     

一种改进的基于纹理合成的图像修复算法

文章介绍了纹理合成技术中的Criminisi算法,并对其计算边界点优先权的算法模型作了改进;针对Criminisi算法计算优先权时只考虑信任项和数据项的缺陷,增加了边界因素对优先权的影响,使得修复结果更为合理;改进的计算优先权模型灵活性较强,可以对不同特征的图像选择不同的参数,从而扩大了可以修复的图像范围.实验表明,改...     

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。     

基于区域分割和均方误差改进的图像修复算法

基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差（sumofsquareddifferences）来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于区域分割和均方误差改进的图像修复算法。为了提高样本块匹配速度,先采用区域分割法分割整个图像区域,使待修复样本块只在对应区域内搜索。在比较样本块差异时,本文算法对颜色差异、纹理差异、曲线特征差异进行了加权综合,从而保证了修复后图像在颜色和纹理上均与已知区域保持一致,解决了Criminisi算法效率低且容易出错等问题。实验结果表明本文算法修复结果在执行效率、视觉效果上要比Criminisi算法好。     

改进相似性度量准则的图像修复算法

巴氏距离可以衡量离散概率分布的相似性.在Komodakis的基于置信传播的图像修复算法基础上,提出在搜索最佳匹配块时,以欧式距离为主、巴氏距离为辅的方法度量待修复块与样本块之间的相似性,以提高正确匹配率.结果表明,该方法对缺失纹理的修复具有很好的效果,明显提高了修复质量.     

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.     

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。     

改进色差法的绝缘子图像分割方法

绝缘子是输电线路中的一种重要金具,对绝缘子的精确定位是监测其运行状态的前提。针对已有的红蓝色差灰度化及聚类分割方法无法从输电线图像中有效分割褐色绝缘子这一问题,提出红绿色差灰度化方法,并结合Otsu、红蓝色差灰度化、K-means和投影特征实现绝缘子分割。首先,利用Otsu算法将绝缘子与大部分背景进行分割预处理,把预处理后的二值图分别以白色像素、黑色像素映射回原图;然后,对映射图像分别对应进行红蓝、红绿色差灰度化,接着采用K-means聚类算法对灰度图分割。最后,根据投影特征从两幅候选图像中识别出绝缘子图像。实验结果表明,该方法不仅能对输电线图像中的蓝色、褐色绝缘子进行有效分割,还能减少背景分割。     

基于快速步进法的改进图像修复算法

基于水平集应用的快进修复算法可以简单、快速且有效地修复数字图像中的破损区域,但该方法的线性和局部特征导致其对边缘的保持能力不够,针对这一问题提出了改进方案.在快速步进法的边界行进中引入各向异性扩散,能更准确地保持等照度线的方向,避免彼此交叉.实验结果表明,改进后的算法能更好地保持等照度线的平滑及尖锐边缘,同时具有原算法运算速度快的优点.     

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。     

岩心三维图像修复算法

针对存在较大范围信息缺失的岩心三维图像,提出了一种基于样例的三维图像修复算法,采用三维空间结构的模板对缺失部分的结构和细节同时进行填补,通过等照度面的传播优先合成三维图像的结构;采用局部搜索与全局搜索相结合的匹配块搜索方式,缩小了匹配搜索范围,并保证了匹配的正确性。对多组岩样进行了实验,结果表明,该算法对于岩心的三维图像复原准确有效,保持了岩心三维图像空间结构的连续性、图像的细节特征以及孔隙微观结构的统计特性。     

一种基于L1-TV模型的图像修复算法

提出一种基于L1-TV模型的图像修复方法。在正则化框架下采用L1范数度量逼近项,增加了模型修复图像破损部分的能力。利用"变量分裂"思想和半二次光滑化技术,克服L1-TV模型的算法求解困难,使得新模型的解易于求出。与两个已有算法的对比实验结果表明,该算法在获得较高的修复效果的同时,可以显著地降低运算时间。     

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.     

无纹理图像修复模型的快速数值算法

将曲率驱动扩散(CDD)模型应用于无纹理图像的修复, 对其数值离散格式进行改进, 计算分为两步执行:  在修复区域内采用时间步进法; 修复区域外利用加性算子分裂方法, 该方法加快了收敛速度, 数值实验结果表明效果较好.     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

一种改进的图像骨架提取算法

针对Zhang细化算法的不足提出改进算法。首先,根据提取的骨架特点设计细化模板,将骨架进行细化并且保持骨架的连通性和满足单像素,便于后续处理;其次,利用像素找出骨架的分支点,骨架减去分支点形成多个不连通区域,根据骨架特点选择不同的阈值,去除小于该阈值的连通分支,从而去除骨架毛刺,该步骤高效地除去了多余的噪音和毛刺,优化了骨架的视觉效果。仿真实验结果表明用改进算法提取图像骨架比Zhang细化算法得到的骨架效果更好,不但能够根据阈值的选择来除掉长短不一的毛刺,且不会破坏物体结构中重要的骨架。