基于TV模型的改进算法在图像修复中的应用

基于TV(total variation)模型的修复算法有较好的恢复效果,但对参数的选取比较敏感,且运算量大。文章提出了基于TV模型的改进的自适应算法,可根据破损区域外部参考像素对待修补点的相关度,通过设置不同的参数和权值,将不同形状的待修复区域所用的不同算法统一表示,使其应用范围更广、速度更快;此外,在迭代过程中,设置不同的参数以解决参数选取的敏感问题,从而达到更好的修复效果。实验表明,该算法能高效、稳定地处理破损区域的图像信息。     

整体变分模型的修复方法

整体变分模型算法是用变分法求解图像的最小能量方程,整体变分模型执行各向异性扩散,对区域内部执行平滑,而在区域边界处不执行平衡过程,可以起到模糊区域内部噪声,而对边缘进行增强的效果。整体变分模型对含有噪声的非纹理图像进行修复,取得了较好的效果。     

自适应梯度权值的TV图像修复

图像修复是当今数字图像处理和计算机视觉的一个研究热点.基于TV模型的修复方法具有较好的修复效果,但其参数的选取较敏感.本文提出了一种在改进的TV模型修复迭代过程中自适应改变梯度权值.该方法不仅可以提高算法的稳健性,并能达到更好的视觉效果.     

基于S-Euler-Elastic模型的彩色图像乘性噪声去除方法研究

针对传统变分模型在处理乘性噪声时可能会产生的“阶梯效应”问题,将经典乘性噪声去除SO模型与Euler-Elastic规则项相结合,应用于彩色图像乘性噪声去除。引入了Split Bregman算法,对每一个子问题采用了交替优化算法迭代,并在求解过程中采用FFT算法和软阈值公式。实验结果表明,相对于其它传统变分模型,由新模型处理后的图像在细节、对比度等方面有较好的保持,并避免了阶梯效应的产生;新模型在处理噪声时可以获得更高的PSNR值与SSIM值;处理噪声过程中花费的迭代时间更少。     

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。     

基于偏微分方程的图像修复模型介绍

本文主要从修复原理、修复方法等方面介绍了微观仿真技术、整体变分模型、曲率驱动扩散、弹性修复模型、Mumford-shah修复模型、Mumford-shah-Euler六种基于偏微分方程的修复模型,了解六种模型的修复特点。     

曲率驱动扩散修复模型的数值分析与实验

当物体破损区域的宽度大于物体的窄带宽度时,总体变分修复模型不能满足"连接性准则",针对这个缺点,Chan和Shen提出了基于曲率驱动扩散(CDD)修复模型.对此模型的数学公式进行理论分析及其离散化,得出关键性的迭代公式,并通过实验得出结论:CDD模型具备了修复较大的破损区域及细小边缘的能力.     

基于Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.     

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.     

采用CDD模型的自适应图像修复算法

在CDD模型基础上,提出了一种自适应图像修复算法,引入在不同曲率选择不同修复模型的自适应系数q,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;引入在不同变化程度选择不同扩散方式的自适应系数p,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,而在平坦区,即小梯度时使用接近热扩散的方程,使得修复效果更佳.实验证明该算法在修复速度和修复效果上都要优于CDD模型.     

基于改进的相关度的局部图像修复模型

TV模型在修复图像时对整个待修复图像进行迭代,文章提出了针对破损区域进行修复的局部修复模型,大大缩短了修复时间;并在有关改进方法的基础上,引入改进的相关度,使修复效果更好.实验结果表明,在迭代次数相同的条件下,该修复模型比TV模型和有关改进的TV模型的图像修复效果更好,所用时间更短.     

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。     

基于自适应中值滤波器和TV修复的椒盐噪声去除

提出一种两步式椒盐噪声去除方法．第一步利用自适应中值滤波器来识别出被噪声污染的候选点;第二步利用一种边缘保持技术（全变差图像修复）来恢复出被噪声污染的点．由于椒盐噪声点的灰度值和原始像素灰度独立,所以在采用恢复技术时不使用噪声点自身的灰度信息．在噪声率不很高的情况下,这种方法可以获得比现有最好方法更高的信噪比;当噪声率高达70％以上时,该方法的信噪比与现有方法非常接近,但是主观视觉效果（例如边缘保持能力）更佳．     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...     

一种改进的全变分(TV)修补模型

目的 提出一种全变分(TV)修补模型的改进方案,而且具有良好的边缘特性,并弥补原有的TV修补模型的不能满足连通性原则的缺陷.方法 定义在图像修补区定义一种"加权全变分,即沿修补区边界法线方向的梯度分量对全变分的贡献,远大于沿切线方向的梯度分量的贡献.结果 通过对相同的受损图像,采用原有模型和改进模型作比对实验表明,文中的改进模型可以完全满足图像修补的连通性原则.结论 改进的TV模型较原始TV模型更适合于非纹理图像修复.     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

A new method for adaptive color image filtering

An adaptive color image filter (ACIF) is proposed in this note. Through analyzing noise corruption of color image, efficient locally adaptive filters are chosen for image enhancement. The proposed adaptive color image filter combines advantages of both nonlinear vector filters and linear filters, it attenuates noise and preserves edges and details very well. Experimental results show that the proposed filter performs better than vector median filter, directional-distance filter, directional-magnitude vector filter, adaptive nearest-neighbor filter, and a-trimmed mean filter.     

一种新的基于破损区域分块划分的图像修复算法

针对破损区域较大、结构信息复杂的图像修复难题,在分析手工修复方法的基础上,提出一种基于破损区域分块划分的图像修复算法。根据边界线破损而断裂的图像,先估算破损区域边缘各断裂边界线的走向;再将同一条边界线的各断裂边界线进行平滑连接,可将破损区域划分成不同的块;然后分别计算各块的优先等级;并利用BSCB算法,按优先级对各块进行修复;最后,将算法与BSCB算法及近年来提出的图像修复算法进行比较。结果表明,所采用的图像修复算法修复结果图像结构信息更清晰、图像边界过渡更自然、更符合视觉感知;并具有更高的峰值信噪比。     

基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.