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.     

具有非局部项的Cahn-Hilliard方程的图像修复模型

图像修复是指恢复图像中破损区域的信息或者去除图像中的多余物体.Bertozzi等人提出的基于cahn-Hilliard方程的修复模型可以简单且有效地修复图像中的破损区域,但图像的边缘有模糊现象.针对这一问题进行了改进,提出了带非局部项的Cahn-Hillia耐方程的修复模型,实验结果证实了文中所介绍的模型能有效提高修复图像的感知质量.     

基于曲率扩散模型的可见数字图像水印攻击算法研究

基于曲率扩散模型（CDD）算法是图像修复的重要算法之一,主要用来修复有划痕的旧照片和被文字覆盖的图像.文章将该算法引入可见数字水印攻击算法中,利用p-Laplace算子的非线性各向异性扩散的性能来填充图像受损区域即可见水印处.实验结果表明,CDD修复算法能有效的除去载体图像中的水印图像,并且在可见水印区域中能较好的修复出载体信息.     

基于各向异性信息扩散的图像修复方法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏.基于偏微分方程的修复模型可以利用待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑噪声,但其算法实现比较复杂,执行速度很慢,并且稳定性不好.针对这一问题采用改进方案,简化了模型,直接利用各向异性扩散方程进行图像修复.该方法获得了较好的实验结果.     

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.     

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.     

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.     

基于偏微分方程图像修复的新方法

根据CDD图像修复模型的理论行为分析,指出该模型修复速度慢的原因,去除导致修复速度慢的因子,引入具有边缘增强作用下的冲击滤波器予以修正,从而获得了一种新的图像修复方法。实验结果表明,该算法修复图像速度有所提高并取得了较好的视觉效果。     

基于子帧缝合的老电影大面积破损修复

相较于噪声、斑点和划痕,大面积破损一直是老电影修复的一大难点.考虑到老电影序列中包含丰富的前后帧信息,提出一种基于子帧缝合的老电影帧画面修复方法.首先,在修复前对电影序列进行镜头分割和帧画面预处理,在选定破损帧的前后参考帧后,再根据破损帧的破损范围框选破损子帧和对应前后参考子帧;然后,将破损子帧作为黑帧处理,通过前后参考子帧插值得出合适的中间子帧;最后,将得到的中间子帧缝合于原破损帧的破损区域,进而完成老电影的大面积破损修复.该方法针对性地解决了老电影存在的大面积破损问题,亦可作为初步修复工具协助人工完成老电影大面积破损的半自动修复.     

联合核预测和特征推理的渐进式壁画修复算法

针对现存深度模型修复壁画时,未兼顾像素级特征与语义级特征,而导致纹理精细度欠缺、结构扭曲等问题,提出一种联合核预测和特征推理的渐进式壁画修复算法.首先,设计区域渐进模块,通过部分卷积实现壁画特征渐进式映射.然后,提出双分支修复模块,其中核预测卷积分支实现破损区域的像素级修复;而语义特征推理分支中引入门控可变形卷积,并结合语义一致性注意力机制实现特征推理,完成破损壁画的语义级修复.最后,将双分支修复结果融合输出,最大限度地减少重构误差,提升修复精度.通过对敦煌壁画进行数字化修复实验,结果表明所提方法修复后的壁画具备较好的结构纹理特征,在评价指标上优于比较算法.