基于时空域数据融合的Kinect深度图像修复算法

针对Kinect传感器获取的深度图像中存在大量噪声以及深度信息缺失导致的空洞问题,提出一种基于时空域数据融合的深度图像修复算法。首先,对配准后的深度图像利用卡尔曼滤波使跳变深度值趋于平稳,并采用阈值分割法得到待修复区域;其次,计算待修复边界所有像素点的时空域置信度,对时空域置信度最大的像素点计算其时域和空域深度数据,并根据时空域置信度为时空数据分配权值进行数据融合,实现像素点的修复;最后,待修复边界改变,迭代执行上一步直至图像修复完成。实验结果表明:与传统修复算法相比,基于时空域数据融合的Kinect深度图像修复算法的深度图峰值信噪比更高、均方根误差更小,图像质量更好。     

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.     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

改进序贯相似性检测算法的遥感图像匹配

为了克服传统的遥感图像匹配算法低鲁棒性的缺陷,本文对传统序贯相似性检测算法进行改进.首先,定义噪声敏感度,自适应判定像素点是否为噪声,并对噪声点进行预处理;其次,计算每个像素点的梯度方向,与初始设定的梯度方向阀值对比,离散待取样像素,减少非匹配区域的计算量;最后,对经过预处理的图像进行图像匹配.实验结果表明,经过改进的算法具有较强的抗噪能力和较快的运算速度.     

基于二元多项式插值的B超图像放大算法

分析了众多传统的图像插值算法,提出了二元多项式插值算法.将所有的插值公式进行转换后都会得到一个待插入点横坐标和纵坐标的二元多项式,其每一项的系数是待插入点周围其他像素点的颜色值的运算结果.设计了 一个基于二元多项式插值的B超图像放大算法,实验结果说明了算法的合理性.     

基于灰模型白化响应的边缘检测算法

为获得更好的图像边缘,提高机器视觉的检测精度,提出一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法.该算法用原图相邻的若干像素点值构建GM(1,1,C)模型,计算出相应像素点的白化值,得到原图像素点的像素值与相应白化值之间的误差.依据边缘像素点的像素值与非边缘像素点的像素值相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值出现较大误差的特点,实现图像的边缘检测.实验证明:该算法在无噪声和有噪声的情况下均有效;建模像素数量越少,抗噪能力越强,但对边缘的检测能力会下降;建模像素数量越多,边缘的检测能力越强,但抗噪能力下降.     

分区域多标准的全参考图像质量评价算法

图像质量评价在图像采集、图像压缩、图像传输等领域有着广泛的应用,一直是图像处理领域的研究热点之一.本文提出了一种模拟人的视觉感知过程中的对不同区域敏感度不同的特点,针对待评图像进行分区域采用不同标准的全参考型图像质量评价算法.该算法首先对图像颜色空间由RGB转换到YIQ,使之更符合人类视觉特性;再对其亮度空间进行数学形态学的膨胀计算预处理,并用边缘检测算子标记出图像中所有的边缘像素点;根据5×5的邻域内是否包含边缘点将图像分为纹理区和平滑区域.针对包含边缘特征的纹理区域的结构参数采用梯度进行描述,参考图像和失真图像在像素点的方差表述像素点失真的敏感性;对于平滑区域的像素点采用对比度作为表征结构信息的变量,并使用基于视觉显著性的综合策略;结合失真和参考图像的视觉显著性矩阵、结构相似性矩阵SCR(x)、色彩饱和度相似性矩阵,可分别得到纹理区和平滑区的图像质量评价分区域结果.取两个分区域结果的均值,可得到最后的全图像质量评价指标SMC-IQA.该算法在CSIQ、TID2008和TID2013等3个通用的图像质量评价数据库上进行了实验.实验结果表明与主流的图像质量评测方法相比较,本文所提出的分区域多标准的全参考图像质量评价算法与主观评价的结果具有更好的一致性,更符合人类视觉系统的特性.     

联合特征推理和语义增强的渐进式壁画修复

针对现有深度学习算法修复壁画图像时，未充分考虑破损区域与完好区域信息的一致性，导致修复结果易出现边界效应和纹理模糊等问题，提出了一种联合特征推理和语义增强的渐进式壁画修复算法.首先，设计区域渐进结构，实现了待修复区域的渐进式收缩修复.然后，利用特征推理模块，对缺失像素的特征值进行迭代推理填充，减小壁画修复重构误差，增强壁画破损区域与完好区域之间的相关性.最后，将各层特征图自适应融合，并采用语义增强模块进行纹理细节迁移，提升壁画补全区域和整体的一致性.敦煌壁画数字化修复实验表明：所提方法修复结果具有更好的纹理细节一致性，在主客观评价指标上均优于比较算法.     

基于卷积神经网络与特征选择的 医疗图像误差预测算法

针对传统医疗图像误差预测算法无法很好的选择图像特征,存在图像误差预测值与实际值拟合度低、预测耗时长等问题,提出基于卷积神经网络与特征选择的医疗图像误差预测算法.首先,选取5种集成规则构建自适应多分类器,对医疗图像区域进行分类;其次,训练卷积神经网络,利用训练完成的神经网络提取不同类别医疗图像区域特征,以此为基础计算区域距离,寻找出相似度最小的区域,完成图像可疑区域定位;再次,融合多评价标准生成特征子集,从中搜索得到最优特征子集,完成可疑区域图像特征选择;最后,以选择得到的特征区域像素点作为训练样本,建立预测样本与训练样本之间的多元线性回归矩阵,实现误差预测.实验结果表明,所提算法的集成规则适应度较高,分类性能好,区域距离计算准确率高达95％左右,特征选择的AUC值(Area Under Curve)高,且预测结果拟合度和预测耗时均优于传统算法.     

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%。     

基于插值的图像修复算法

目前,针对小区域缺损的图像修复算法中,大多采用基于迭代的修复算法,然而这些效果较好的图像修复算法,其时间复杂度一般都比较大.本文通过插值的方法,利用破损区域与周边邻域的有效信息之间的相关性,提出改进的基于FMM(快速行进)的图像修复算法;调用仅适用于被检测到的高局部活跃的像素,提出基于LMMSE(线性最小均方误差估计)插值的图像修复算法.实验结果表明,提出的两种算法分别与FMM算法和TV(整体变分法)算法相比,在整体上其修复效果和效率都具有明显的优势.     

一种改进的数字图像修复算法

本算法建立在Markov随机场模型的基础之上,通过对待修复区域边界点的优先权处理,以及对邻域像素点的权值处理,较好的保持了图像的边缘特征,同时也顾及到了图像的纹理细节和结构信息,避免了传统修复算法所带来的模糊效应,即使是在修复图像中较大破损区域时,也能够达到了较好的修复效果。     

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PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.     

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Navier-Stokes方程的图像修复算法

 图像修复是一个基于周围未被损坏信息对图像中丢失或损坏信息进行修补的过程。提出了一个基于Navier Stokes方程的新的图像修复算法。该算法能够同时在修复区域内部进行信息的填充,而在修复区域外部去除噪声(如果存在)。实验结果表明模型对于图像中划痕,信息丢失,甚至移除整个景物都是有效的。     

基于IE 和AG 的小波图像融合方法

为客观评价几种小波融合图像算法的优劣, 采用了基于信息熵(IE: Information Entropy)和平均梯度(AG: Average Grads)的融合图像质量评价方法。首先选取了两组不同的源图像, 其中一组为曝光度不同的两幅图像, 另一组是焦距不同的两幅图像。然后对图像进行4 层小波分解, 低频系数全部采用像素点平均值法进行融合, 高频系数分别运用区域绝对值最大法、像素点绝对值最大法、区域最大梯度法以及像素点平均值法4 种小波系数融合规则进行小波图像融合, 最后分别比较了4 种融合图像的IE 和AG 值。实验结果表明, 将4 种小波融合方法进行比较, 基于像素点的最大绝对值法IE 和AG 值最大。对于曝光度不同的两幅图像, 其IE为7. 206 5 bit, AG 为5. 983 7 10^-5 , 对于焦距不同的两幅图像, 其IE 为7. 130 8 bit, AG 为4. 794 3 10^-5 。可见, 4 种融合规则相比较, 基于像素点的最大绝对值法融合效果最好, 从而验证了该方法的有效性。     

基于区域的自动种子区域生长法的彩色图像分割算法

提出了一种基于区域的自动种子区域生长法进行彩色图像分割的算法.该方法首先应用分水岭算法对图像进行初始化分割,形成过分割效果.然后从分水岭算法形成的区域出发,根据一定的规则自动选出一些区域作为种子区域,进行种子区域生长.与传统的种子区域生长法(SRG)以图像中的像素点作为种子进行生长的方法不同,本方法以区域作为种子并以区域作为生长单位进行区域生长.实验结果表明,该算法能够产生较好的分割效果及较快的分割速度.     

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.     

基于灰模型白化响应的边缘检测算法研究

边缘检测是图像分析与处理的重要基础，一直是视觉领域研究的活跃课题。本文深入研究了一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法。该算法用原图相邻的若干象素点，构建GM(1,1,C)模型，算出相应象素点的白化值，得到原图像素点亮度值与相应白化值之间的误差。依据边缘像素点其亮度与非边缘像素点亮度相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值误差大的特点，实现边缘检测。实验证明该算法的有效性和具有一定的抗噪能力。