基于稀疏表示的车用带钢表面图像信息修复

针对当前车用带钢表面图像信息修复所用时间较长,修复效果较差的问题,提出基于稀疏表示的车用带钢表面图像信息修复方法.根据像元点之间在车用带钢表面图像中存在的空间相关信息,结合像元点的灰度分布信息,采用二维直方图建立离散测度矩阵,获得车用带钢表面图像中需要修复的目标区域和背景区域.在稀疏表示原理的基础上构建稀疏修复模型,在车用带钢表面图像的目标区域和背景区域中对受损区域进行修复,能够有效获取车用带钢表面缺陷图像信息,实现车用带钢表面图像信息的修复.实验结果表明,所提方法对车用带钢表面图像信息修复的峰值信噪比较高、均方根误差较小,表明该方法的信息修复效果较好,且修复耗时较短,修复效率高.     

基于谱结构先验的高光谱图像受损谱段快速修复

本文在分析高光谱图像谱结构先验的基础上,结合经典Karhunen-Loève变换,提出了一种基于谱结构先验的高光谱图像受损谱段快速修复算法.该方法首先对高光谱数据进行分块分组,然后对同一空间块中相邻的两组数据分别进行KL变换,并通过相邻组自适应保留的几个最大特征值修复受损谱段.实验结果表明该方法简单易行,另外图像所包含的纹理和边界信息越丰富,恢复图像的质量越高.     

基于生成对抗网络的面部修复

如何更好地对受损的面部图像实施相应的修复,根据此问题指出了一类基于生成对抗网络改良以后的面部修复算法.首先,在生成模型中把编码器和解码器的中间层的全连接换成逐信道全连接,在编码和解码阶段使用卷积操作代替池化操作,针对损失函数采用的激活函数进行改进,增加tanh函数,提高图像补全效果.然后,在保证功能上不受损并且输入、输出尺寸保持原状的条件下对判别器的模型进行了相应的改良,最后,对损失函数引进TV损失、重建损失这二者来实现对生成网络的优化处理,由此提升细节图像方面的修复实力.通过实验表明,使用该方法修复后的面部图像,比先前的方法更清晰更连贯.     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

基于随机梯度下降算法的公安视频侦查图像修复

在公安业务中,图像情报分析对于还原犯罪现场至关重要,在实际视频图像的收集过程中,图像的缺损和破坏难以避免。在研究视频侦查的基础上,引入基于随机梯度下降的张量链分解算法对受损图像进行修复,研究表明,这一方法能有效地修复受损的视频图像信息,去除噪音,找回丢失的数据,为后续的分析工作提供良好的条件,减少情报失误,提高警务工作效率。     

基于RBF-BP神经网络的图像修补

作为一种广义的图像恢复，图像修补是利用受损区域周围的图像数据修复、填充受损区域图像数据的技术。本文介绍基于RBF—BP神经网络开发的图像自动修补系统，应用以Maflab为平台开发的仿真模块对图像受损区域的修补进行仿真。基于RBF—BP神经网络的修补技术弥补了RBF和BP网络修补的缺点，集两者的优点为一体，为图像修补技术的研究提供了一种更方便、有效的方法。     

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%。     

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.     

西安韩森寨元代墓室壁画数字化修复方法

西安韩森寨元代墓室壁画是西安地区元代时期唯一的墓室壁画资料,因诸多原因受到了严重的损坏。为了给相关学科研究提供更为直观的壁画资料和类似壁画的修复方法参考,从图像信息损失程度及损失信息与已知信息的关联性角度,对韩森寨元代墓室壁画的损坏情况和类型进行了分析,针对性地提出了一种数字化人工和自动修复相结合的壁画数字化修复方法,并基于图像块和稀疏表示模型实现了壁画的数字化自动修复算法,最终选取韩森寨甬道西壁散乐图局部作为修复实例进行了数字化修复。验证结果表明,所提方法在修复效果、修复效率、可操作性等方面均有较好表现。     

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。     

基于特征值反问题下的图像修复

图像的分割与修复是图像识别技术的关键所在。图像数据在计算机中以矩阵的形式存在,结合特征值反问题对缺损图像所生成的缺损矩阵进行修复。首先提出两类新的特征值反问题,提供唯一解证明的方法;其次将问题的解法应用于缺失图像的修复并分析图像修复的效果。     

基于区域分割的损伤图像修复

本文针对档案照片中两种常见的损伤,即划痕和因折叠所造成的裂纹,提出两种基于图像分割的修复方法．通过区域分割检测受损区域,然后根据分割后的二值模板取伤痕周围的某种平均值进行替代修补．在区域分割中分别采用修正的直线跟踪检测法和改进的梯度直方图法,取得了良好的效果．这些方法已经成功地应用于作者所在实验室研制开发的档案图像恢复处理系统中     

基于改进SOM的壁画图像裂缝自动识别与修复

针对壁画中存在的裂缝这一常见病害,提出一种基于人工神经网络(ANN)的自组织映射(SOM)图像修复算法,将人工智能技术应用于古建筑壁画修复领域.基于壁画裂缝本身的线性结构特征,对图像进行多尺度形态学边缘梯度检测提取边缘信息,使得裂缝边界区域灰度变化剧烈,从而达到边界突出的效果;对变换后的图像进行自适应阈值分割处理,以保证图像中每个像素点都属于目标区域;选取面积作为目标区域的连通规则进行度量以去除虚假目标,达到精确提取的目的,实现对破损像素的自动识别和标注;对壁画中已标注的破损区域采用改进的SOM算法进行修复,通过SOM聚类对图像进行分层,在单个图层中迭代计算出破损像素的值,实现对图像的并行化分层修复,在保障修复精度的同时提升修复的速率;合并图层,完成标注区域修复部分;最后通过对3种类型裂缝的壁画修复,本文所提出的改进SOM算法在修复图像峰值信噪比PSNR、特征相似度FSIM等4类指标显著提升,并且修复时间平均缩短40.34%,表明方法对于古建筑壁画裂缝修复的有效性和优越性.     

基于图像拼接的可信图像修补方法

为了尽可能地恢复被损坏图像的原始场景,获得最真实的复原效果,针对大区域破损图像的修复,提出了一个基于移位参考图像的可信图像修补与基于图像本身的自修复算法相结合的图像修复方法。首先,受启于图像拼接技术,若存在可以利用的参考图像,便利用SIFT(scale invariant feature transform)算法和RANSAC(random sample consensus)算法将参考图像与目标图像进行配准并投影拼接至目标图像,完成目标图像的可信修补。然后对仍未修复的破损区域进行图像自修复,其中自修复部分采用Criminisi算法。所得到的图像修复结果真实性与可信度较高,与实际景象偏差较小,说明该方法合理可行。     

基于多边缘信息融合的图像修复模型

提出了一种基于多边缘信息融合的深度学习图像修复模型MEC,将图像修复任务解耦为边缘信息修复任务和条件图像修复任务。首先，MEC通过边缘信息修复网络对缺失图像的多种边缘信息进行修复；之后，修复的边缘信息通过信息融合作为先验知识来辅助缺失图像的修复。实验结果表明，MEC的修复结果无论是在直观感受还是在量化指标上都比现有的深度学习图像修复模型有进一步的提升。     

一种粒度思想的遥感特征信息识别方法

为了快速分析遥感图像特征信息,结合覆盖分类算法提出了一种商空间理论方法,其中灵活运用商空间理论的分解方法和合成技术来指导遥感图像信息的提取和整合,覆盖算法能快速精确地挖掘出有限信息的本质,为分类提取提供保障.以汶川特大地震后的高级星载热辐射热反射探测仪(ASTER)遥感图像为例进行了实验分析,证实了该方法是快速、精确有效的,可以大大减少遥感图像信息处理的工作量.     

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.     

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.     

基于分裂Bregman算法的全变差图像修复

图像修复是指对一副图像受损或缺失区域的图像内容的重建。全变差正则化是一个有效的恢复锋锐边缘图像的修复方法。本文重点研究了全变差正则化图像修复方法,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,基于分裂Bregman算法的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有较好表现。