基于样本块和BSCB模型的壁画裂缝修复方法

针对采用传统方法虚拟修复北齐墓葬壁画复杂裂缝效果较差的问题,以水泉梁北齐墓室壁画为例,提出了基于改进的BSCB(bertalmio sapiro caselles bellester)模型与样本块修复算法相结合的虚拟修复方法。首先直方图增强后用最大类间方差法(Otsu)获取裂缝;其次,结合使用连通域标记算法与开、闭运算分离裂缝;再采用改进的BSCB模型对所有裂缝进行修补;然后用基于样本块图像修复算法消除扩散修复痕迹;最后利用颜色提取、替换恢复前景色彩,获得裂缝最终修复结果。实验结果表明,该方法同时修复壁画纹理区域的大裂缝与相连于壁画结构的小裂缝时,既能保证修复区域的清晰度,又能连接破损边缘,还能恢复部分区域的色彩;相较于其他修复方法,在边缘连续性上至少提升15.90%。     

基于自组织神经网络SOM和K-means聚类算法的图像修复

近来自然图像的修复已经成了一个热门话题.提出了一种基于K-means聚类算法的自组织神经网络(SOM),称为SOM-K.它首先利用SOM来训练每一个像素的特征向量,并把一幅图像分层.这样就能把每个破损像素分到每层,同时SOM训练后的输出也通过K-means聚类算法来聚合,分别在各个层中修复破损的像素.最后把修复好的各层溶合到一起.与单独使用SOM相比,SOM-K具有更精确的分类能力.     

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。     

基于图像分解的织物组织自动识别

利用维纳滤波从水平和垂直两个方向分解织物图像,经过合理的二值化,分别获得包含经纱和纬纱特征信息的子图像,从而计算经纬纱密度等参数.综合子图像的部分信息,可以确定织物组织点的位置,再利用每个组织点区域内经纬向纹理特征,判断织物组织类型.经过对平纹、斜纹、缎纹3种基本组织布样的实验,表明该方法可以很好地识别织物组织类型.     

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...     

基于数字图像处理的路面裂缝自动识别与评价系统

在论述国内外路面裂缝检测技术发展现状的基础上,分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。通过研究路面裂缝图像的特点和现有裂缝识别算法,提出了该技术应用中尚存在分析结果的可靠性、图像处理的速度以及路面裂缝评价技术的完善等几个关键技术,并探讨了解决这些问题的途径。     

路面裂缝自动识别与测量

为了提高道路裂缝损伤检测效率,保证检测工作的安全性,加强检测数据的标准化建设,研究了路面裂缝自动识别与测量方法。通过分析既有方法的缺陷,提出采用均值漂移技术的图像平滑与分割方法,初步分割候选裂缝,采用定向跟踪方法提取裂缝骨架;基于裂缝骨架内插得到完整裂缝,完成裂缝自动提取与编码;最后将裂缝骨架分段,精确计算裂缝形态参数,实现裂缝形态完整测量。研究结果表明:该方法对路面粗糙度和裂缝方向不敏感,可以识别较细小裂缝,裂缝识别的定位精度达到0.5个像素以下,裂缝长度的相对误差小于2%,具有较高精度和可靠性。     

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.     

基于深度学习的树种图像自动识别

【目的】为了探究深度学习方法用于林业树种图像智能识别的可行性,提出一种基于深度学习方法的自动识别树种新方法。在TensorFlow框架下,对卷积神经网络(CNN)模型进行改进,对7类树种图像进行自动识别研究。【方法】首先,在图像库建立时,为增加特征选择多样性,选择树木的树皮和树叶图像,保留自然背景;另外,考虑到同一树种在不同树龄条件下树皮图像存在差异,因此加入不同树龄的树皮图像,并用胸径指标来表示树龄大小。其次,对每类树种图像随机挑选100张作为测试集,剩余数据集全部作为训练集。通过反复试验比较不同CNN结构设置、卷积层数量、全连接层层数、学习率等对结果的影响。采用Adam算法代替传统的随机梯度下降(SGD)算法,对模型进行优化,用指数衰减法对学习率进行调节,在交叉熵函数中加入L2正则项对权重进行惩罚,并采用Dropout策略和ReLU激励函数,以避免训练过程中过拟合现象。最后,确定适合试验要求的13层CNN结构,同时比较深度学习方法和传统人工特征识别方法的差异,与已有的树种图像识别方法做对比。【结果】提出的13层树种图像识别模型,对训练集和测试集取得了理想的识别效果,识别率分别为96.78%、91.89%,在未参与训练的验证集上取得了96%的平均准确率。相对于已有的人工特征识别方法,所提出的方法识别效率和准确度更高。【结论】基于改进的卷积神经网络树种识别模型识别效果明显高于传统方法,说明所提出的方法能够应用于树种识别,可为林业树种图像自动识别提供一条新思路。     

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。     

基于样本块的图像修复方法改进研究

图像修复技术作为图像处理技术中一个重要分支,在各行各业有着广泛的应用前景,已经成为当前计算机图形学和计算机视觉的一个研究热点。重点介绍了基于样本块的图像修补算法,并对该方法的匹配顺序进行了改进。     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

基于改进知识一致性注意力的图像修复算法

为有效解决修复大面积不规则洞孔出现的纹理模糊、结构失真等问题,提出了基于改进知识一致性注意力机制图像修复算法．首先使用部分卷积对待修复图像进行处理,随后将处理的特征图送入包含混合空洞卷积(HDC)与改进知识一致性注意力机制(KCA)的特征推理模块．推理完成后将输出特征图输入至部分卷积与特征推理模块进行循环推理,逐步提升网络的修复能力,循环完成后对输出图像进行特征合并．最后将合并特征图进行去残差瓶颈层以增强修复图像的结构完整性．提出模型使用组归一化方式(GN)加快损失函数收敛速度．在公开数据集上验证提出算法的性能,主客观实验结果表明：提出算法能有效修复大面积连续不规则区域,能够较好地避免修复失真,其峰值信噪比和结构相似度及运算速度优于对比算法．     

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.     

基于ATS与TS融合算法的裂缝自动识别研究

煤层开采产生的围岩采动裂缝发育规律,是矿山瓦斯、水害、冲击地压、地表沉陷等灾害防治的重要研究内容,对围岩采动裂缝的自动识别能够极大地促进其规律的定量研究。鉴于这些采动裂缝发育形态复杂、规模差别大、与本底值差异性不显著,导致裂缝存在识别困难、精度差等问题。该文基于图像分割、形态学等综合理论,提出了一种能有效识别裂缝目标与背景灰度差异的ATS与TS自适应识别方法。通过对相似模型试验图像使用ATS（自适应分割算法）初始提取压实区显著性较差的微小裂缝,TS（固定阈值分割和形态学膨胀法）提取离层裂隙区和垮落裂隙区显著性较强的块状裂缝,对二者得到的裂缝利用或逻辑进行组合,并借助图像轮廓统计轮廓面积进行填充抑制噪声,完成对裂缝的最终二值化。通过对比单一的ATS和TS算法,ATS和TS融合算法识别率超过90%,均高于单一的分割算法。研究结果表明该文算法在一定程度提高了裂缝识别的准确率和裂缝提取的完整性,较单一算法具有更优的普适性与准确性。该实验结果为后续裂缝处理奠定了良好的基础。     

基于SOM改进的K-Means聚类算法

随着网络技术和相关学科的发展,入侵检测技术日趋成熟.对SOM算法和K-Means算法进行了具体的分析,提出了一种基于SOM和K-Means的使两类算法优点相结合并克服各自不足的聚类算法,提高了聚类信息的精确度、对攻击的识别率和系统的整体性能.     

D-S证据理论在壁画图像修复算法的研究

对几种主要的图像修复算法进行了分析研究,在D-S证据理论与Criminisi算法相结合的壁画修复算法基础上,对最佳样本块的搜索进行了改进,考虑到在匹配准则上加入像素的物理距离(DIS)来选择最优的匹配结果,减少其修复错误.且定义了新的评价度函数Q,是基于峰值信噪比测度(PSRN)与结构相似度(SSIM)相结合的评价方法,并通过仿真实验证明算法的有效性,为今后壁画数字化保护提供了参考.     

基于改进优先权的Criminisi图像修复算法的研究

为了克服Criminisi算法中优先权计算不准确的弊端,以及样本块固化尺寸的问题,本文提出了基于改进优先权的Criminisi图像修复算法的研究。在优先级函数计算时,通过对数据项、置信度项和邻域相关性项的加权和进行计算,以实现对Criminisi算法优先权的优化,以有效提升计算函数的连续性,以此来保障所修复图像结构的连续性。采用样本块大小可变的方法,以此来增强局部协调性和边界的平滑性。以有效提升Criminisi图像修复算法对图像不同平滑度的适应性,以提高算法的修复性能。实验结果显示,所提算法修复的图像具有良好的视觉效果。