基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

基于引导因子与曲率惩罚模型的图像修复算法

目的 解决当前图像修复方法主要通过待修复像素点的法向量来确定修复过程,无法保证其修复顺序从破损区域的周边至中心进行,导致修复图像中存在块效应和不连续效应等问题。方法 将引导因子与曲率惩罚模型相结合,设计新的图像修复方法。利用破损区域的中心像素点与其他任意待修复像素点之间的距离来构造引导因子,并将其与置信度项以及数据项结合,形成优先权模型,用于选取优先修复块。利用待修复块的梯度特性对其平滑度进行判断,以明确该待修复块对应的最优匹配块的搜索范围,使其通过最小绝对差平方和（SSD）函数来搜索最优匹配块,从而将最优匹配块中像素点扩散填充至待修复块。最后,基于像素点间的等照度线曲率来建立曲率惩罚模型,以更新置信度项,从而实现图像的修复。结果 测试数据表明,与已有修复方案相比,所提算法可以更好地兼顾修复质量与效率。结论 所提方案具有较好的修复质量,可用于损坏面积较大图像的复原。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。     

基于平滑度测量与互相关制约的图像修复算法

目的为了解决当前较多图像修复算法在对损坏区域实施填充修复时没有考虑图像块之间的相关性,导致修复图像中存在振铃以及连接间断等不足,拟设计平滑度测量因子耦合互相关制约的图像修复算法。方法将图像的Laplace算子引入到优先权的计算过程中,以增加图像的边缘信息,优化数据项的成分,并利用置信度、图像的Laplace算子和数据项构造优先权计算模型,以获取优先修复块。利用等照度线的二阶导数,构造平滑度测量因子获取图像的平滑度,并以图像的平滑度为导向,对最优匹配块的搜索区域进行定位。通过误差平方和函数(SumofSquaredDifferences,SSD)在定位的搜索区域中搜寻最优匹配块,并采用互相关系数函数对最优匹配块的唯一性进行制约,以提高所获最优匹配块的准确性。结果实验结果显示,与当前修复技术相比,所提方法具有更高的连接完整性和清晰度。结论所提方案可对损坏图像完成较好的视觉复原,在图像信息处理领域具有一定的参考价值。     

适应不完整目标的快速模板匹配

针对不完整目标的查找,提出一种基于分块统计的快速模板匹配算法.将模板和待匹配图像区域划分成尺寸相同的若干方块,首先采用绝对距离度量分块中对应像素的像素匹配度,接着运用统计的方法依次确定块匹配度和目标匹配度.为加快算法运算速度,在图像遍历过程中构建金字塔结构进行分层搜索.实验结果表明,该算法可准确定位完整和不完整目标,运算时间保持在毫秒级,并具有很强的抗噪声能力.     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

自适应插值算法在图像修复中的应用研究

针对BSCB模型速度慢、整体变分模型易产生阶梯效应的缺点,提出了一种基于扩散率函数的自适应插值算法。该算法利用待修复像素点周围的已知像素点的梯度权函数和距离权函数,对未知像素点进行赋值。实验结果显示: 将该算法应用到灰度图像和彩色图像的修复中,与传统算法相比所需运算时间短,视觉效果较好,定量评价指标(峰值信噪比)也证明了该算法的有效性。     

一种新的声呐图像处理算法

针对高频声呐图像的目标检测问题,在分析声呐灰度图像像素点的灰度分布模型的基础上,提出了一种新的快速图像处理算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数以及灰度分布模型和归一化灰度直方图的拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行图像处理。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景干扰的影响,有利于人造目标的准确提取。     

高斯曲率耦合相关性制约规则的图像匹配算法

目的针对当前较多图像匹配算法在匹配过程中因忽略了特征点之间的相关性而导致算法存在匹配正确度和鲁棒性不佳等不足,设计一种高斯曲率模型耦合相关性制约规则的图像匹配算法。方法首先,利用高斯滤波后图像的一阶矩阵和Hessian矩阵来构造高斯曲率模型,对Hessian算子进行改进,以充分检测图像的特征点。然后,通过求取扇形区域内的Haar小波响应获取特征点的主方向,并根据特征点邻域中像素点的灰度平均值计算特征向量,从而形成特征描述子,完成对特征点的描述。利用特征点集的均值与协方差矩阵来构造相关性模型,对特征点的相关度完成度量,从而定义相关性制约规则,对特征点的相似度进行判断,完成特征点的匹配。最后,利用RANSAC算法提纯匹配特征点,完成图像的匹配。结果仿真实验表明,与当前图像匹配算法相比较,文中算法不仅匹配正确度较高,且具有较强的鲁棒性,在旋转角度为50°时,其正确匹配精度仍可达到87%以上。结论所提算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

拓扑梯度耦合FCMC的全自动图像修复优化算法

目的当前图像修复算法的损坏区域大都是依靠人工来确定,难以自动鉴定损坏区域,使其修复效率较低。此类算法通过利用像素缺失区域的间断边缘来完成填充,导致重构图像视觉间断,且都是依赖随机修复路径,增加了算法时耗。提出拓扑梯度最小重构路径耦合FCMC(Fuzzy C-mean Clustering)的全自动图像修复算法。方法基于图像损坏区域与完好区域之间的性质差异,引入模糊C均值(FCMC),通过损坏区域的聚类中心与各像素之间的距离来计算隶属度函数,设计基于FCMC的损坏区域自动鉴定算法,以自动识别待修复区域;再嵌入拓扑梯度,定义像素缺失区域的关键点选择规则,建立权重距离函数,得到像素缺失区域的连续轮廓,设计最低修复路径成本方案,完成图像重构;以PSNR(Peak Signal to Noise Ratio)为评估指标,构造图像修复反馈机制,优化修复图像。结果仿真结果显示:与当前图像修复算法相比,该算法可自动鉴定图像像素缺失区域,能够提取像素缺失区域的连续轮廓。同时,具有更好的修复视觉效果与更高的修复效率,重构图像不存在模糊与视觉不连通。结论提出的算法能够实现图像的全自动修复,可提高修复图像质量与效率。     

The image inpainting algorithm based on pruning samples by referring to four-domains

In order to retrieve large scale damaged image with rich geometry structure and texture information, the novel image inpainting algorithm based on the neighbourhood reference priority can not only maintain image character but also improve image inpainting speed has been proposed in the paper. The problems of an image inpainting process can be translated into the best sample searching process. First, the extracting structure information of image and the dividing sample region into sub-regions server. Second, in order to adjust the neglect of structure of matching method named SSD, introducing structure symmetry matching constraint into matching method, it avoids matching mistakenly and improves sample matching precision and searching efficiency. Then, improving priority equations by bringing in structure weight and confidence, highlighted the effect of structure to inpainting sequence. Finally, computing priority of four-domains neighbour by computation overlapping information between object patch and sample patch, so that referring to secure information of four-domains neighbour, to prune sample dataset and search optimal sample. The experimental results have demonstrated that the proposed algorithm can overcome problems like texture blurring and structure dislocations and so on, the PSNR of the improved algorithm has been increased by 0.5–1?dB comparing other contrast methods while speeding up the image inpainting process, recovered image is much continuous for visuality. Meanwhile, it can recover efficiently common damage images and be more pervasive.     

变量分裂机制耦合非循环模糊模型的图像复原

目的针对当前非二次正则化图像复原算法在图像边界的周期拓展难度较大,导致复原图像的边界存在振铃效应,算法的通用性削弱,且时耗严重的问题,提出变量分裂机制耦合非循环卷积模型的抗失真图像快速复原算法。方法引入掩模算子,设计非循环模糊模型,显著消除复原图像的振铃效应;改进数据保真项,构造了最小成本化函数;定义二次辅助变量,嵌入变量分裂策略,设计基于变量分裂的乘数交替方向算法,对非循环模糊模型中的循环与掩模矩阵进行解耦,降低算法复杂度;构造增广拉格朗日函数,耦合交替最小机制与成本函数,以单步封闭式更新估算图像,快速完成图像重构。结果仿真结果显示:与当前复原算法相比,提出算法的失真度最小,且收敛速度更快。结论提出算法能够快速复原多种类型的退化图像,有效消除了复原图像的振铃效应。     

An Adaptive Image Calibration Algorithm for Steganalysis

In this paper, a new adaptive calibration algorithm for image steganalysis is proposed. Steganography disturbs the dependence between neighboring pixels and decreases the neighborhood node degree. Firstly, we analyzed the effect of steganography on the neighborhood node degree of cover images. Then, the calibratable pixels are marked by the analysis of neighborhood node degree. Finally, the strong correlation calibration image is constructed by revising the calibratable pixels. Experimental results reveal that compared with secondary steganography the image calibration method significantly increased the detection accuracy for LSB matching steganography on low embedding ratio. The proposed method also has a better performance against spatial steganography.     

Wavelet Based Restoration of Images with Missing or Damaged Pixels

This paper addresses the problem of how to restore degraded images where the pixels have been partly lost during transmission or damaged by impulsive noise. A wide range of image restoration tasks is covered in the mathematical model considered in this paper – e.g. image deblurring, image inpainting and super-resolution imaging. Based on the assumption that natural images are likely to have a sparse representation in a wavelet tight frame domain, we propose a regularization-based approach to recover degraded images, by enforcing the analysis-based sparsity prior of images in a tight frame domain. The resulting minimization problem can be solved efficiently by the split Bregman method. Numerical experiments on various image restoration tasks – simultaneously image deblurring and inpainting, super-resolution imaging and image deblurring under impulsive noise – demonstrated the effectiveness of our proposed algorithm. It proved robust to mis-detection errors of missing or damaged pixels, and compared favorably to existing algorithms.