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。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

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。     

基于梯度直方图与密度度量模型的图像伪造检测算法

目的为了解决当前图像伪造检测算法在内容识别过程中易丢失色彩信息而导致不理想的检测精度与鲁棒性等问题,提出基于梯度直方图耦合密度度量模型的图像伪造检测算法。方法首先引入RGB彩色图像映射模型,求取图像的颜色不变量。将图像的颜色不变量作为输入量,利用算法检测图像的特征点。然后以特征点为中心构造四级窗口,通过求取窗口内梯度累加值,形成低维度的特征描述符,并利用特征点对应的梯度直方图构造相似性度量模型进行特征点匹配。最后借助欧式距离,构造密度度量模型,对特征点进行归类,以完成伪造检测。结果仿真实验表明,与当前图像伪造检测算法相比,所提算法具有更高的检测正确度,高达99.6%。结论所提算法具有较高的伪造检测精度与鲁棒性,在图像信息、包装印刷等领域具有良好的应用价值。     

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。     

改进非局部均值各向异性扩散图像去噪算法

针对各向异性扩散算法的不稳定性在去噪过程中易产生阶梯效应,导致纹理细节不能较好保留的缺点,提出一种改进的非局部均值各向异性扩散图像去噪算法.所提算法将非局部均值引入迭代过程,利用图像中的大量相似冗余信息,以中心像素邻域图像块作为像素点的相似性度量,对图像进行合理的描述;同时在扩散系数函数中,将图像梯度结合残差图像中局部能量算子,自适应选择扩散系数.结果表明,所提算法在有效平滑噪声的情况下,减弱了阶梯效应,保留了更多的纹理细节,与各向异性扩散算法、自适应选择扩散去噪算法和基于非局部均值理论的各向异性扩散算法相比,峰值信噪比和结构相似度有较好提升.     

基于自相似性与稀疏表示的超分辨率算法

目的为了解决当前稀疏表示的超分辨率算法效果依赖参与训练的数据的问题,结合图像的自相似性,提出一种基于自相似性与稀疏表示相结合的超分辨率算法。方法算法利用图像的多维自相似性,构建多维图像金字塔,采用改进的相似块搜索策略,得到对应的高低分辨率图像块作为训练样本,然后对样本进行字典训练,最后根据稀疏表示得到超分辨率图像。结果实验结果显示,文中算法在峰值信噪比(PSNR)和结构相似度(SSIM)上优于其他算法,对于实验图像而言,PSNR平均提升了0.5 dB。结论提出的超分辨率算法未引入外部数据库,具有较好的效果,能够用于超分辨率重建。     

采用均匀局部二元模式及稀疏表示的掌纹识别

针对传统掌纹识别方法易受噪声干扰,且旋转鲁棒性差的问题,提出一种采用均匀局部二元模式(Uniform Local Binary Patterns,ULBP)及稀疏表示的掌纹识别方法。该方法利用善于表达图像纹理特征,且具有良好旋转不变性和抗干扰性的ULBP提取掌纹图像特征;同时考虑到直接对整幅图像进行ULBP处理会丢失局部纹理,采用先对各图像进行分块,再对各块分别进行ULBP处理的特征提取方案。在分类算法的设计上,本文利用掌纹图像库中训练样本的ULBP特征构造过完备字典,通过求解l1范数意义下的最优化问题实现测试样本的稀疏分解,并提出一种基于统计残差平均的稀疏表示分类方法,实现了测试掌纹图像的分类识别。实验结果表明,本文方法不仅具有良好的旋转及噪声鲁棒性,而且总体识别率明显优于基于PCA及2DPCA的传统稀疏表示分类方法,对于包含5 000031 0人的掌纹数据库,识别率分别提高了8.8%和6.8%。     

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.     

一种改进的自然纹理合成方法

自然纹理合成方法是一种适合自然景物的基于样图的快速纹理合成方法。但是候选点超越样图边界的问题没有很好得到解决,成为导致合成后图像产生的纹理块间明显变化的主要因素。论文提出了一种改进的自然纹理合成算法,将样图边缘易产生无效候选点的区域用样图内部与之大小和形状相同的像素块来代替,像素块和被替代像素块沿一条不规则的曲线相匹配。合成过程中在接近边缘时像素块的生长会转向纹理内部。该方法减少了因随机产生候选点而形成的块间不连续,有效地改善了视觉效果。     

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.