方差约束因子耦合搜索区域判定模型的图像修复算法

为了解决Criminisi算法在图像修复过程中无法保证修复块的优先级顺序,从而导致修复质量不佳的问题,提出了方差约束因子耦合搜索区域判定模型的图像修复算法.首先,将待修复块分割为两个子块,通过子块的方差构建方差约束因子,并利用方差约束因子改进Criminisi算法中的优先权函数;然后,在二维直角坐标系中对损坏区域进行测量,根据测量结果选取损坏基准值,以构建搜索区域判定模型,确定最优匹配块的搜索范围;最后,引入SSD(Sum of Squared Differences)模型在搜索区域中选取最优匹配块,利用最优匹配块中像素点与待修复块中对应像素点的像素差值构造置信度更新模型,对置信度进行更新,实现图像的修复.实验结果表明,与其他图像修复算法相比,本文算法具有更好的图像修复视觉质量.     

基于多模板方向的图像修复方法

在基于样本图像修复的基础上,针对采用单一方向模板的Criminisi算法,在查找最佳匹配块过程中产生的错误匹配甚至查找失败问题,提出了一种基于自适应模板方向的图像修复方法。该算法根据自然图像中存在大量对称或有规则物体的特点,在进行模板的搜索时,通过对待修复块或样本块进行不同角度的旋转和/或映射变换,增大样本空间,来提高最佳匹配块的搜索成功率,防止错误匹配的发生。仿真实验结果证明,该方法能有效地改善图像的修复效果。     

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.     

基于小波系数相关性的纹理图像快速修复算法

为了实现纹理图像的快速修复,在传统样本块修复算法的基础上,提出了一种基于小波系数相关性的图像修复算法.简要论述了纹理图像各小波变换系数的相关性特点;根据图像分解后小波系数高频成分较少、主要信息均集中在低频分量以及各分量对应位置的信息具有一致性的特点,算法首先对破损图像进行小波分解,然后利用最优样本块匹配的方法对低频分量进行修复,同时实现其他分量对应位置信息的修复,最终通过小波合成完成纹理图像的修复.仿真实验结果表明,在修复效果无明显差异的基础上,该算法比原方法的处理时间大为缩短.     

月面自主精确软着陆的景象匹配方法研究

为提高月球探测器自主软着陆的落点精度,利用绕月飞行器和着陆探测器下落图像,提出一种基于尺度信息的多模板递阶景象匹配方法.在月面图像尺度空间上快速提取FAST角点,并确定特征点精确尺度、位置和方向.在特征点邻域建立图像块采样模式,通过图像块像素比较形成二进制串特征描述子,利用海明距离(Hamming distance)进行特征匹配.实验结果表明,目标在尺度缩放、旋转和光照变化等极端条件下,该算法能够实时完成月面着陆目标区域的准确识别和稳定跟踪,实现月球探测器的远距离、高精度自主导引着陆.      

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

利用十字分布的仿射变换模型估计旋转运动

不规则的旋转运动会明显降低图像序列的质量,旋转运动估计是实现图像稳定的关键技术.提出了采用仿射变换来估计图像旋转运动的方法.利用全分布的匹配块进行仿射变换可以获得较好的运动估计效果,不过运算量过于巨大.分析图像分布特性,提出采用十字分布的匹配块参与仿射模型的变换;只使用呈十字分布的外围4个匹配块进行运算,获得了与全分布法相近的结果.仿真试验结果表明提出的算法不仅能很好的估计并补偿旋转运动,运算量仅为全分布法的1/6.     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

拼接法纹理合成中的结构特征匹配

提出一种新的纹理合成技术,该方法对样本纹理图像进行采样,逐块合成纹理图像.在寻找最优候选匹配块时改变以往算法中仅匹配颜色相似度的做法,加入结构信息,提高了块边界结构的相似度.用该算法选择的最优匹配块更符合人的视觉特性,合成图像接缝区域的过渡更为流畅,结构单元的完整性明显优于原有方法.实验结果表明,该算法对结构性强的纹理具有良好的合成效果.     

基于SSIM的自适应样本块图像修复算法

现有基于样本块的图像修复算法,大多通过人工设定样本块大小来达到最佳修复效果,缺乏自适应性;此外,对图像不同纹理和结构区域采用相同大小的样本块,也不利于获得整体最优修复效果.为解决上述问题,本文提出一种基于改进结构相似性的自适应样本块大小选取算法,在传统的SSIM算法的基础上增加了梯度信息,并通过结合样本块亮度、对比度和结构3个模块来衡量结构差异,以此确定不同结构和纹理区域的最优样本块大小,提高算法适应性,改善修复效果.仿真实验结果表明,当图像存在复杂的结构和纹理信息时,本文算法仍然能够获得理想的修复效果.