基于改进Criminisi算法的破损纺织品文物图像修复

为修复破损纺织品文物图像，在Criminisi算法基础上，提出一种改进的基于K-means颜色分割的纺织品文物图像修复算法。根据纺织品文物图像的特点，将RGB图像转化为Lab颜色模型，采用K-means分类器对a*b*层数据基于颜色进行分割处理，对纹样图案边缘进行标定并缩小匹配块搜索区域；引入L值的标准差来表示颜色离散度，对优先权函数以及自适应匹配块进行改进。用所提算法与文献报道的3种算法对自然破损纺织品文物图像和人为破损纺织品图像进行修复，并对修复结果进行评价。实验结果表明，所提算法修复的图像纹理自然、结构合理，峰值信噪比、结构相似性、特征相似性、均方误差值更好。     

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.     

基于局部特性的图像修复算法

在研究基于样本块的图像修复算法的基础上,针对填充顺序不可靠、样本块模板窗口大小选取不当和修复效率低等缺点,提出了一种基于局部特性的图像修复算法。算法结合图像的局部梯度特性和局部相似性特征,通过对数据项增加补偿系数和加大其权重,保证图像的结构连通性;根据图像梯度信息,决定样本块模板窗口大小,减少错误衍生和块效应现象;利用置信度项值自适应选取局部搜索空间大小,提高修复效率,减少误匹配。实验结果表明,本文算法能很好地保持破损区域的纹理和结构特性。     

基于块结构稀疏度的自适应图像修复算法

现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB ～ 1.2dB,并且提高算法速度3～7倍.     

基于偏移差值的结构化稀疏图像修复算法

针对基于匹配的图像修复算法中存在线性结构和 重复区域不能良好保持结构连贯性的问题,提出基 于偏移差值的结构化稀疏图像修复算法。首先定义一个新的特征偏移差值,结合图像颜色特 征构造样本块 间相似度项,并利用该相似度项寻找最佳匹配块;然后将偏移差值信息和颜色信息共同作为 稀疏约束项来 构造约束方程,以提高稀疏表示的准确性,从而保证邻域信息一致性。实验结果表明, 文 中方法对线性结 构和重复区域的破损修复能获得更好的效果。     

一种基于迭代映射和图像内容的自适应水印算法

提出了一种新颖的基于迭代映射和图像内容的自适应水印算法。该算法将图像分割为互不重叠的图像块,利用分形维数分析图像块内容,选出反映图像自身特征的边缘和纹理区域。再根据图像块内部以及相邻图像块之间的方差特性将所选的特征区域细分为边缘、弱纹理和强纹理。对选取的特征块进行离散余弦变换并将经过迭代映射置乱预处理的灰度数字水印以不同的强度自适应地嵌入到中频系数中。实验结果表明该算法透明性好,安全性高,对剪切、低通和高通滤波、添加噪声和纹理以及JPEG压缩等具有较强的顽健性。     

基于结构信息约束法则耦合匹配模型的图像修复算法

针对当前较多图像修复算法依靠固定大小样本块来搜寻最优匹配块,忽略了样本块的结构信息,使修复图像出现间断现象以及振铃现象等不足,利用样本块与其邻域块的近似度,设计了一种采用结构信息约束法则与匹配模型的图像修复算法。将图像的信息熵特征引入到待修复块的优先权计算过程中,获取优先修复块。通过样本块与其邻域块的近似度构造结构信息度量模型,对样本块的结构信息进行度量,并根据度量值建立结构信息约束法则,实现样本块大小的自适应调整。最后,利用图像的色彩及灰度特征构造匹配模型,利用调整后的样本块大小在已知区域中寻找最优匹配块,从而对待修复块进行修复。实验结果显示,所提算法得到的修复图像具备较好的纹理连续性,不存在信息间断现象,对应的结构相似度较高。     

彩色伪随机编码结构光解码方法研究

在采用伪随机序列生成彩色条纹作为投影图像的基 础上提出了一种对彩色伪随化编码结构光三步 解码新方法。首先,建立向量梯度算子将Canny算子推广到彩色多通道图像,对彩色带状图 像进行彩色边缘检测,确 定边缘特征的位置信息;其次,采用引导式K-means聚类算法和 颜色分辨能力较强的颜色不变量对图像进行颜色识 别和分类,继而获得边缘特征的颜色信息;最后,提出分步窗口匹配算法对边缘特征序列进 行匹配,从而确立拍摄 图像和投射图像上的边缘特征的对应性。实验结果表明,提出的解码方法在不需要假定被测 物体表面颜色和纹理结 构的条件下,依然能够有效地提高解码的精度,具有较强的鲁棒性。     

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.     

基于块分类稀疏表示的图像融合算法

针对基于单一字典训练稀疏表示的图像融合算法忽略图像局部特征的问题,提出了基于块分类稀疏表示的图像融合算法。此算法是根据图像局部特征的差异将图像块分为平滑、边缘和纹理三种结构类型,对边缘和纹理结构分别训练出各自的冗余字典。平滑结构利用算术平均法进行融合,边缘和纹理结构由对应字典利用稀疏表示算法进行融合,并对边缘结构稀疏表示中的残余量进行小波变换融合。实验结果证明,该算法相对于单一字典稀疏表示算法,在融合图像的主观评价和客观评价指标上都有显著改进,并且算法速度也有提高。     

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。     

RESEARCH ON WEIGHTED PRIORITY OF EXEMPLAR-BASED IMAGE INPAINTING

The priority of the filled patch play a key role in the exemplar-based image inpainting, and it should be determined firstly to optimize the process of image inpainting. A modified image inpainting algorithm is proposed by weighted-priority based on the Criminisi algorithm. The improved algorithm demonstrates better relationship between the data term and the confidence term for the optimization of the priority than the classical Criminisi algorithm. By comparing the effect of the inpainted images with different structure, conclusion can be drawn that the optimal priority should be chosen properly for different images with different structures.     

基于区域纹理合成的图像修补算法

针对传统修补技术在图像恢复中出现的纹理模糊现象,该文根据纹理合成技术,提出了一种区域纹理合成的修补算法。算法根据破损点邻域特征选择模板,去除模板内的破损点后进行匹配,在搜索范围内寻找最佳匹配点。该文采用由边缘向中心逐步推进的修补次序,提高破损区域内纹理结构延伸方向的正确性以及连续性,避免出现纹理模糊现象。算法能够适用于多种性质的纹理,在处理真实图像时使人在视觉上获得满意的效果。     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。     

Exemplar-based image inpainting using adaptive two-stage structure-tensor based priority function and nonlocal filtering

For the exemplar-based image inpainting problem, the filling order and local intensity smoothness are two crucial factors that should be considered carefully. This work gives a new exemplar-based image inpainting method, preventing geometric structures from being destroyed and reconstructing textures well to obtain elegant-looking outputs. For a better filling order, we define a new adaptive two-stage structure-tensor based priority function. To promote the local intensity smoothness, we adopt a non-local way, and at the same time, propose a weighted filter based on a Gaussian-like function to generate the ideal filling patch by combining non-local patches. We compare the proposed method with some recent state-of-the-art image inpainting approaches on different tasks, such as texture and structure synthesis, object removal, and remote sensing images inpainting. Experimental results demonstrate the superiority of the proposed method, both visually and quantitatively.     

基于自适应模板和置信度更新的图像修复算法

去除图像背景中的部分目标,是图像修复技术应用之一。为了修补去除目标后留下的大面积空白区域,文中在基于样本图像修复方法的基础上,引入了自适应思想。首先利用Canny算子检测图像的边缘,再根据图像边缘特征自适应地改变模板块的大小;为了避免误差的累积传递,提出了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。实验结果证明,文中方法比原方法能更好地修复图像边缘、复杂纹理,并且保留边角,使效果更自然。     

Variational denoising of partly textured images

The Rudin–Osher–Fatemi model is a widely used variational denoising algorithm which favors piecewise constant solutions. Although edge sharpness and location are well preserved, some local features such as textures and small details are often diminished with noise simultaneously. This paper aims to better preserve these local features using a similar variational framework. We introduce a texture detecting function according to the derivatives of the noisy textured image. Then this function is used to construct a spatially adaptive fidelity term, which adjusts the denoising extent in terms of the local features. Numerical results show that our method is superior to the Rudin–Osher–Fatemi model in both signal-to-noise ratio and visual quality. Moreover, part of our results are also compared with other state-of-the-art methods including a variational method and a non local means filter. The comparison shows that our method is competitive with these two methods in restoration quality but is much faster.     

An adaptive tensor voting algorithm combined with texture spectrum

An adaptive tensor voting algorithm combined with texture spectrum is proposed. The image texture spectrum is used to get the adaptive scale parameter of voting field. Then the texture information modifies both the attenuation coefficient and the attenuation field so that we can use this algorithm to create more significant and correct structures in the original image according to the human visual perception. At the same time, the proposed method can improve the edge extraction quality, which includes decreasing the flocculent region efficiently and making image clear. In the experiment for extracting pavement cracks, the original pavement image is processed by the proposed method which is combined with the significant curve feature threshold procedure, and the resulted image displays the faint crack signals submerged in the complicated background efficiently and clearly.     

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。