基于方向经验模型分解的图像修复方法

本文提出了一种基于方向经验模型分解的图像修复方法, 通过方向经验模型将待修复图像进行分解,然后在各级分解图像上根据待修复区域边界上像素点的梯度特征计算填充优先级, 并利用方向经验模型分解得到的频率特征值结合纹理合成的方法完成该级图像的修复, 同时采用相关搜索来完成各级图像的相应修复, 最后将其进行合并, 得到最终的图像修复结果． 实验结果表明, 该算法能够修复较大尺度缺损区域中的结构和纹理信息．     

基于图像分解的图像修复算法

针对传统变分模型在修复图像时易产生“阶梯效应”与细节模糊等问题,提出了一种基于图像分解的自适应二阶总广义变分和分数阶变分的图像修复算法。首先将待修复的目标图像分解为卡通部分与纹理部分,其中卡通对应目标图像的低、中频部分,因此利用抑制“阶梯效应”较好的二阶总广义变分模型对其进行修复;纹理对应其高频部分,因此利用对细节部分有增强效果的分数阶变分模型对其进行修复。由于文中所提到的修复模型均与线性鞍点结构下求取最优值的模型类似,因此在算法上均采用基于预解式的原始对偶算法对新模型进行求解。另外,为了取得更好的修复效果,文中设计了一个边缘指示算子来自适应地控制新模型的扩散,以更好地保护修复图像的边缘细节。实验结果表明:相比传统的TV、TGV修复模型,新模型的修复效果在主观视觉上显得更加自然,且在峰值信噪比与相关系数等客观评价指标上均有提高。     

基于分形的图像修复算法

 图像修复是目前图像处理领域中的一个研究热点,对于较大孔洞的修复一直是个难点问题,已有算法都未能很好地解决.本文基于分形相关理论,提出了一种新的修复算法,很好地利用了图像的整体信息.论述了分形维数和分形编码序列块大小之间的关系,提出多尺度的分形编码及重构的修复方法.为了强化图像细节信息,进行了分形局部迭代.为了提高图像修复的质量,将图像进行了分形放大,再进行分形插值修复.从实验结果可以看出,新方法取得了较好的修补效果,尤其是对纹理图像和有较大孔洞的图像效果更好.     

一种基于Poisson方程的分离型图像修复方法

图像修复是一种恢复图像中损坏部分的技术,具有广泛的应用.基于采样复制的修复方法对纹理图像有较好的效果,但容易产生块效应,而且对结构信息的修复可能产生较大的偏差.本文提出了一种基于Poisson方程的分离型修复算法,首先将原图分解为结构图像和纹理图像两部分,然后根据其特件分别进行修复,叠加后得到最终的修复结果.对结构图像使用Laplacian算子强化结构信息,然后对Laplacian场进行修复并使用Poisson方程重建,可以同时保持锐利的区域边界以及平滑的区域背景.实验表明该方法可以有效改善修复的视觉效果,对大区域修复也有良好的表现.     

基于结构分量和信息熵的Criminisi图像修复算法

针对Criminisi图像修复算法中优先级计算易受 图像纹理影响的问题,提出了改 进的基于图像结构分量的优先级函数。首先采用变分分解模型,将待修补图像分解为结构分 量和 纹理分量;其次基于结构分量计算数据项,排除纹理的影响;然后在优先权函数中 引入度量像素块复杂度的信息熵,将像素块中除了中心点之外其它位置的结构信息 融 入到优先权的计算中,使修补次序进一步向结构丰富的像素块倾斜;最后将优先权函数 表 示为置信度、数据项和信息熵的加权和,以解决传统Criminisi算法优先权随着置信度 迅速 下降为零而造成修复次序出现偏差的不足。新的优先权函数排除了像素块中在计算数据项时 纹 理的影响,并且融合更多的结构信息,使修复次序更加准确。实验结果表明,对于 不 同的人工图像和自然图像,本文模型都能取得较为满意的修复结果。     

非均匀纹理图像的分层Criminisi修复算法

为了提高非均匀纹理图像大区域修复效果,提出了一个分层Criminisi图像修复算法。首先采用多尺度变分分解模型将图像分解成一系列图层之和,不同图层包含不同尺度的图像特征,而同一图层包含几乎相同的尺度特征。然后在每个图层中分别采用Criminisi算法进行修补。由于同一图层包含尺度大致相同的图像特征,所以在匹配块的搜索过程中,分层修复能较容易地搜寻到最优的匹配块。最后结合分别修复的各个图层,得到最终的修复结果。实验结果表明,对于不同的非均匀纹理人工图像和自然图像,本文模型都能取得较为满意的修复结果。     

一种基于卡通纹理分解的X光图像恢复方法*

针对X光图像去噪时在抑制噪声的同时会模糊图像边缘的情况,提出采用图像卡通纹理分解和基于全变分的增广拉格朗日算法进行图像恢复.图像可以分解为卡通部分和纹理部分,噪声信息及图像的快变信息被分离到图像的纹理部分.通过基于增广拉格朗日算法的全变分去噪模型对纹理图像进行去噪处理,将卡通图像与处理后的纹理图像加权合成得到恢复图像.仿真实验结果表明,该方法不仅可以对图像进行快速处理,而且能够较好地保持图像的边缘信息,获得较高的输出信噪比.     

基于模式相似性的图像修复算法

图像修复是一种去除图像中多余可视物体并用合理的纹理填充未知区域的技术。针对Criminisi等人提出的基于样本的图像修复算法在寻找匹配块时存在的一些不足,提出一种基于模式相似性的修复算法。该算法使用样本纹理的亮度变化和空域特性作为寻找匹配模块的约束条件。实验结果表明该方法在修复强结构纹理图像时有很好的效果。     

一种基于细节特征的MCA多聚焦图像融合方法

针对多聚焦图像的特点,提出一种形态分量分析分解下的基于细节特征的图像融合方法。该方法首先将原图像分解成光滑部分和纹理部分。其次,为了充分体现多聚焦的纹理特征,在光滑部分采用微分算子定义的细节特征作为融合规则。最后,在纹理部分采用选择绝对值作为纹理部分的活跃程度的度量,绝对值最大法作为其融合规则。实验结果表明,该算法得到的融合图像优于其他多聚焦融合的算法。     

基于样本和线性结构信息的大范围图像修复算法

基于纹理的图像修复算法对于修复破损区域比较大的图像效果较好,但该算法对于含有结构信息的图像修复效果很差.通过新的优先项的计算、平均值补偿及增加惩罚项提高传统的基于样本的图像修复算法的修复效果,结合图像中常出现的直线和曲线结构特征,提出了基于样本和结构信息的大范围图像修复算法.实验表明,该算法易于实现,修复结果能达到令人满意的效果,具有较高的实用价值.     

Simultaneous structure and texture image inpainting

An algorithm for the simultaneous filling-in of texture and structure in regions of missing image information is presented in this paper. The basic idea is to first decompose the image into the sum of two functions with different basic characteristics, and then reconstruct each one of these functions separately with structure and texture filling-in algorithms. The first function used in the decomposition is of bounded variation, representing the underlying image structure, while the second function captures the texture and possible noise. The region of missing information in the bounded variation image is reconstructed using image inpainting algorithms, while the same region in the texture image is filled-in with texture synthesis techniques. The original image is then reconstructed adding back these two sub-images. The novel contribution of this paper is then in the combination of these three previously developed components, image decomposition with inpainting and texture synthesis, which permits the simultaneous use of filling-in algorithms that are suited for different image characteristics. Examples on real images show the advantages of this proposed approach.     

基于分形的数字图像修补算法

针对传统图像修复方法中搜索范围局限于待修复图像源区域的问题,提出了一种新的基于分形的数字图像修复算法,首次将分形理论应用于图像修复领域,利用图像的自仿射性(或自相似性)对破损图像进行修复。首先,在图像的源区域中选取定义域块,经仿射变换后建立码本;然后,从码本中查找待修复块的最佳匹配块,同时为了加快查找速度,降低计算复杂度,采用了基于方差和内积的快速搜索算法来提高修复效率;最后,用查找得到的最佳匹配块对待修复块进行填补。提出了一种改进的优先值计算方法,在计算优先值时加大置信度的比重,从而可以加强搜索匹配过程中的约束,使得修复过程总体按照"剥洋葱"的顺序进行,同时兼顾线性结构的延伸。实验结果证明,与传统修复方法相比,本算法不仅提高了修复质量,同时也提高了修复效率。     

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.     

强化边缘结构分辨的分段自适应图像修复

针对Criminisi算法对边缘纹理分辨不足、无法识 别图像局部区域的直线和曲线的特征以及通过颜色进行块匹配而造成修复效果失真等问题, 提出一种局部特征与边缘纹理分辨相结合的分段自适应图像修复 算法。首先在分段自适应图像修复算法的优先权中引入边缘分辨因子和特征判断因子,增强 对边缘、局部 区域的直线和曲线的分辨能力,克服破损边缘不合理的修复顺序;其次在块匹配准则中引入 特征项,提高 样本块的匹配准确率,避免块匹配的颜色匹配不足;然后采用分段自适应算法进行置信项更 新,解决置信 项快速趋于0的问题;最后采用主客观的评价体系对图像修复质量进行评价。评价结果显示 分段自适应图 像修复算法的图像修复质量优于其他算法,信噪比和峰值信噪比的评价值均提高在 0~3.8之间;在结构相 似度的优化程度上提高了0~0.7%。实验结果证明,分段自适应图像修 复算法有效地修复了破损图像,获得较好的图像视觉效果。     

连分式在图像修复中的应用

破损图像的修补一直是图像处理中一个重要的研究课题,数字图像修补技术被广泛用于各个领域包括医学图像的修复、文物的修复、犯罪现场的还原以及电影胶片上划痕、污迹的消除.在通常的图像修复技术上,对于一些规则的破损纹理图案采用Thiele型连分式这一有理插值的方法来对破损部分周围的像素点进行插值从而达到修补破损部分的目的.介绍了连分式方法及其在图像修复中的应用,实验证明,连分式插值的方法取得的结果优于一般软件处理的结果,所以使用连分式的纹理修补方法是一种简单而又有效的修补方法.     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

基于Curvelet变换与分形的遥感图像融合

基于Curvelet变换对于图像的光谱信息保留和分形原理,针对图像的纹理信息提取的特性,提出了一种基于Curvelet变换与改进的分形布朗运动分维数计算的新的融合算法。对多光谱与全光谱图像进行了融合实验,并与传统的基于小波变换和高频系数取大算法进行了对比。实验证明,文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。