基于全变差和P-Laplace模型的混合图像修复算法

图像修复是近年来图像处理研究的主要问题之一.在基于偏微分方程的修复算法中,全变差(total variation,TV)模型能够很好地保护图像边缘信息,但其各向异性扩散方式在平坦区域容易产生阶梯效应;而在图像平坦区域具有良好修复效果的P-Laplace模型,其各向同性扩散方式不适于修复图像边缘信息.将TV模型和P-Laplace模型有机结合起来,提出了一种混合图像修复算法.提出的扩散控制参数k能够根据待修复像素所在区域调节两种信息扩散方式的重要程度,实现混合图像修复.实验结果表明,所提算法获得了更好的修复结果.     

基于Euler弹性项的去噪模型及Split bregman算法

TV去噪模型是基于一阶导数总变差的变分模型,容易在光滑区域出现阶梯效应。通常利用高阶导数信息来使图像扩散更加平滑。Euler弹性项使用光滑的边界对图像进行处理,广泛应用于图像遮挡,修复,分割等领域。本文主要研究基于Euler弹性项的图像去噪模型,并采用Split Bregman算法实现,有效地改善了TV模型的阶梯效应,并用数值实验验证了算法的有效性。     

基于改进的相关度的局部图像修复模型

TV模型在修复图像时对整个待修复图像进行迭代,文章提出了针对破损区域进行修复的局部修复模型,大大缩短了修复时间;并在有关改进方法的基础上,引入改进的相关度,使修复效果更好.实验结果表明,在迭代次数相同的条件下,该修复模型比TV模型和有关改进的TV模型的图像修复效果更好,所用时间更短.     

自适应Snake-TV模型在彩色图像修复中的应用

文章在整体变分模型(TV)的基础上引入蛇(Snake)模型,同时考虑待修复区域的形状,提出了自适应Snake-TV模型,并将其应用到灰度图像和彩色图像的修复,该模型能很好地保持图像的视觉连通性.试验结果表明:该算法在迭代次数相同的条件下修复彩色图像的效果比TV模型好得多;与Snake-CDD模型相比,修复效果更好,同时...     

采用CDD模型的自适应图像修复算法

在CDD模型基础上,提出了一种自适应图像修复算法,引入在不同曲率选择不同修复模型的自适应系数q,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;引入在不同变化程度选择不同扩散方式的自适应系数p,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,而在平坦区,即小梯度时使用接近热扩散的方程,使得修复效果更佳.实验证明该算法在修复速度和修复效果上都要优于CDD模型.     

混合正则化模型的交替迭代原理与图像恢复

由有界变差函数的半范数(TV)描述的正则项,在图像恢复过程中,对于图像的纹理部分,容易造成细节丢失;对于图像的卡通部分,容易产生阶梯效应;为克服此缺点,提出一种混合卡通-纹理正则化模型(hybrid cartoon texture regularization model,HCTRM)和交替迭代算法。首先,对受系统和噪声模糊的图像,用Kullback-Leibler函数描述拟合项;对于图像的卡通部分用分数阶TV的半范数来描述,纹理部分用紧框架域L_1范数来描述,建立HCTRM。其次,分析HCTRM解的存在性和唯一性。再次,引入辅助变量,将HCTRM转化为标准表达式,应用交替方向乘子算法(ADMM),将HCTRM分解为2个大的子问题。最后,将每个大的子问题,再分裂为2个小的容易处理的子问题,形成快速交替迭代算法。针对TV的半范数作为正则项,容易消除图像的纹理,且产生阶梯效应的缺点,提出一种HCTRM和交替迭代算法。仿真表明,能有效地恢复非平稳区域的纹理,克服在平稳区域产生的阶梯效应,取得较高的峰值信噪比和结构相似测度。     

图像修复的方向梯度TV模型研究

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...     

基于改进总变差模型的图像去噪算法

总变差模型(TV)是基于偏微分方程图像去噪模型中的经典模型,但去噪的过程中存在阶梯效应(块儿效应),使去噪后的图像显得很不自然,这是由于TV模型的分段平滑造成的.本文加入自适应系数,使其在平滑区域退化为类似于拉普拉斯算子的各向同性扩散,加快扩散速度,消除阶梯效应;在边缘位置,新模型沿切线方向扩算,抑制法线方向扩散,保持边缘.     

一种自适应加权欠采样图像重建算法

针对欠采样图像重建中容易对噪声敏感且出现伪影的问题,构建了结合离散小波和TV的双正则化图像重建模型,基于该模型进一步提出了一种自适应加权迭代图像重建算法。该算法在每次迭代中通过阈值收缩方法依次计算TV正则项与小波系数先验项,更新重建图像。同时为了进一步提升重建图像的质量,引入迭代支集检测方法计算小波系数的自适应权重。实验结果表明,与其他算法相比,该文算法具有更好的时间效率和重建质量。     

基于偏微分方程的图像修复方法研究

针对全变分（TV）模型在各参考点具有相同权值的情况，以待修复区域像素点的梯度值为信息构造出一个扩散函数，利用此扩散函数控制各参考点的权值；结合非线性扩散思想，提出一个针对时间参数的自适应迭代函数。扩散函数与自适应迭代函数共同作用，进行图像修复。实验结果表明，本文提出的新方法修复效果好且用时少。     

基于梯度调节规则的图像修复算法研究

当前较多图像修复算法采用单一大小样本块进行图像修复,不能适应图像不同差异的纹理丰富度变化,使得修复结果存在块效应以及模糊效应等不足。本文利用图像的梯度值,设计了基于梯度调节规则的图像修复算法。将图像的梯度信息引入优先权计算,联合数据项、置信度项目构造优先权计算函数,以计算优先修复块。利用图像的梯度变化率,建立梯度调节规则,用以调节样本块大小,适应不同的纹理丰富度。引入SSD(Sumofsquareddifferences)函数从源区域中寻找最优匹配块,实现图像修复。实验结果显示,所设计方法修复的图像具有良好的视觉效果。     

基于样本块和BSCB模型的壁画裂缝修复方法

针对采用传统方法虚拟修复北齐墓葬壁画复杂裂缝效果较差的问题,以水泉梁北齐墓室壁画为例,提出了基于改进的BSCB(bertalmio sapiro caselles bellester)模型与样本块修复算法相结合的虚拟修复方法。首先直方图增强后用最大类间方差法(Otsu)获取裂缝;其次,结合使用连通域标记算法与开、闭运算分离裂缝;再采用改进的BSCB模型对所有裂缝进行修补;然后用基于样本块图像修复算法消除扩散修复痕迹;最后利用颜色提取、替换恢复前景色彩,获得裂缝最终修复结果。实验结果表明,该方法同时修复壁画纹理区域的大裂缝与相连于壁画结构的小裂缝时,既能保证修复区域的清晰度,又能连接破损边缘,还能恢复部分区域的色彩;相较于其他修复方法,在边缘连续性上至少提升15.90%。     

遥感模糊降质图像的扩散恢复算法研究及实现

图像恢复是图像处理中非常重要的一个方面,其方法是通过相应的退化模型和算法,对退化降质或受到噪声污染的图像进行重建,恢复原来的图像。作者介绍了利用传导扩散及反扩散模型,对因物体运动、大气湍流的扰动,拍摄时的散焦等引起的模糊降质图像的恢复算法,并给出了Laplace算子离散方法以及实现程序,提出了图像恢复的递推、迭代模型,基本解决了图像“盲恢复处理”的问题。对所述算法进行了全面的图像恢复测试、比较,证明算法具有较大的适应范围,可应用于勘探、遥感、司法刑侦、无损探测等领域的图像恢复处理。     

单张人脸图像眼镜边框摘除方法

眼镜对人脸图像的特征提取和识别有重要的影响.本文提出了一个基于单张人脸图像的眼镜边框摘除方法.首先利用自适应双阈值Canny算法提取眼镜边框的准确边缘,以此确定待修复区域并构造修复模板,然后利用整体变分（TV）算法进行目标修复,从而得到没有眼镜边框的人脸图像.实验结果表明,本方法能够成功摘除眼镜边框,效果良好.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。