基于图像分解的含噪破损图像修复

对Meyer图像分解模型进行改进,所得到的新模型SID(Simplified image decomposition)无需Banach空间的范数计算,降低了计算复杂度.使用SID首先分离出图像中的大部分噪声,然后将剩余部分分解成结构部分和纹理部分.对结构部分使用简化的整体变分修复算法,对噪声部分和纹理部分使用基于样本的纹理合成,再将结果融合.实验结果表明,该方法克服了单独使用整体变分修复算法纹理合成的局限性,对噪声具有较好的鲁棒性.     

基于整体变分的图像修复研究

图像修复是指对数字图像中丢失破损的部分进行还原,是一种很早出现的工艺技术。目前,图像修复技术有了巨大的发展。本文从基本理论、模型建立和数值计算方面介绍了基于总体变分的图像修复算法。     

基于图像结构和纹理的快速修复方法

传统的图像修复算法对纯结构或纯纹理图像有较好的修复效果.对于一幅既有结构又有大量纹理的图像,可先将图像分解为结构子图和纹理子图,再分别用不同的方法处理两子图,最后把处理后的子图合并,完成修复.对结构子图的处理常采用基于PDE的修复方法,该方法需要复杂的运算,其时间代价太大.为了提高效率,使用一种新方法,结合结构图像的特征,仅利用邻域的已知信息单次填充进行修复.试验对比表明,该方法有较好的修复效果,且大大缩短了修复时间.     

基于图像结构纹理分解及局部总变分最小化的图像修复模型

在基于样例的图像修复算法中,由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰,导致修复顺序错乱;而在搜索最优匹配块时,因忽略了图像块内部的结构影响,可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先,根据对数总变分最小化模型,将待修复图像进行结构-纹理分解,得到图像的结构分量,并利用图像的结构分量来计算待修复点优先权,使优先权的计算排除局部纹理干扰而更具鲁棒性;其次,将优先权的计算改进为数据项和置信项的加权和,避免了乘积效应,确保数据项一直发挥作用,减少因修复顺序不合理造成的错误匹配;最后,根据图像的局部总变分最小化原则,将图像块的最优匹配转换为0-1优化问题,确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明,峰值信噪比（PSNR）提高了1.12~3.56 dB,结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则,具有更强的保持图像局部结构一致性的能力,改善了修复图像的视觉效果,适用于复杂结构的大面积毁损的图像的修复。     

基于整体变分模型的矢量图像修复

基于灰度图像修复的整体变分法,提出解决矢量图像修复处理的4步法：对待修补图像进行标注,根据标注的像素灰度值求掩模图像,对掩模图像进行膨胀,根据膨胀信息进行修复。对3幅彩色图像进行实验,取得了很好的修复效果,对含有噪声的图像,也能很好地去噪并保持图像的清晰边界。     

基于修复顺序的图像修复算法

提出一个用于图像修复的算法。首先计算修复前沿每个待修复小片的优先级,然后优先修复具有最高优先级的小片。优先级计算方法能体现每个小片具有的结构信息以及已有颜色的可信度,使得基于小片的纹理综合方法有序进行,同时修复目标区域中的纹理和结构信息。用户选择一个目标区域后,算法就根据选择区域周围的信息自动地修复目标区域。实验证明该算法不仅快速且修复的效果非常好,且目标区域较大时也能达到很好效果。     

一种改进的基于样本的图像修复方法

分析了Criminisi等人提出的基于样本的图像修复算法,针对其在计算修复块优先级时存在的一些不足,提出一种改进的基于样本的图像修复方法,通过基于TV模型的分解算法将待修复图像分解为结构图像和纹理图像,利用结构图像来计算修复块的优先级,使得优先级的计算更加准确。实验结果表明该方法对图像结构边缘的修复有明显的改善。     

基于稀疏分解的图像修复方法

提出将冗余离散小波变换(RDWT)和波原子变换(WAT)作为字典对应用于图像稀疏形态成分分解,获得图像的结构与纹理;然后针对结构和纹理所具有的不同形态学特征,对结构采用具有曲率驱动、边缘强化和平滑去噪性能的CDD模型修复,对纹理采用基于样例的Criminisi纹理合成方法修复;最后合成获得修复结果。实验结果表明,该修复方法能够获得强且光顺的边缘,纹理清晰完整,相比于传统方法具有更好的修复结果。     

基于整体变分模型的岩心图像修复

针对岩心扫描图像信息缺失的修复问题,提出了基于整体变分模型的修复算法。利用图像待修复区域邻域的参考像素信息,从待修复区域边缘逐步向待修复区域内部扩散,同时采用了邻域相关系数来衡量待修复区域邻域边界对目标像素点的影响程度,对算法进行了改进。通过仿真实验表明,改进后的算法与原方法相比,修复效果得到了改善,可以有效完成对于岩心图像的修复。     

改进的TV模型图像修复算法

分析了基于整体变分(total variation,TV)模型的图像修复算法,TV模型修复算法只使用各向异性扩散,TV模型各向异性扩散仅向图像边缘方向扩散,容易在平滑区域引入阶梯效应.提出了一种改进的图像修复算法,该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率.Matlab环境下的仿真结果表明,改进算法的修复效果和峰值信噪比的计算结果均明显优于原始算法.     

基于全变分和边界重构的纹理图像修复方法

在修复纹理图像时,将来自受损图像周边的像素或选出的纹理沿等照度线方向复制到受损区域内可能引起边界模糊。为解决上述问题,通过全变分将图像分解成骨架图和纹理图,用边界重建方法修复图像的骨架图部分,在修复的骨架图的导引下用纹理合成方法修复纹理图部分,使图像的纹理和结构得以同时修复。实验结果证明,该方法对具有复杂结构的纹理图像具有较好的修复结果。     

一种新的基于偏微分方程的图像修复

图像的修复是图像处理中一个重要的部分,主要是利用一定的方法针对产生划痕和有缺损的图像进行修复,或者从图像中去除指定的物体和文字,以达到特定的目的。该文比较了CDD图像修复模型和快速图像修复模型的性能。它们都满足“连接整体性准则”,对于具有较大破损区域及细小边缘的图像具有良好的修复能力。但是前者修复速度较慢,而后者可以克服CDD修复速度较慢的缺点。实验结果表明,该模型在保证与CDD模型相近修复质量的情况下可以大幅度地提高修复速度。     

图像修补的优化变换方法

采用整体变分(TV)模型修补图像,提出一种图像修补的优化变换方法.引入一个辅助变量,利用优化变换,将TV模型中单变量函数的优化问题转化为等效双变量函数的优化问题,并利用交替迭代最小化算法和Chambolle's投影算法求解模型.实验结果表明,与采用梯度下降法的TV模型算法相比,该方法的图像修补效率和修补效果较优.     

一种基于稀疏分解的图像修复算法设计

分析数字图像信号的稀疏特征,引入基于稀疏表示的图像修复是一种新颖的图像修复方法,充分结合现有的图像修复技术的研究成果,给出图像的稀疏表示模型及应用时的约束条件,提出面向图像修复的稀疏模型和常见参数选择,并利用Split Bregman进行了数值求解。该算法具有计算简单,易于实现,光滑性和结构信息等图像的基本特征刻画满足应用要求,可广泛应用于图像去噪,退化图像复原等应用,实验结果表明,本算法修复结果信噪比低,视觉效果优于同类方法。     

结合网函数插值与TV模型的图像修复算法

TV（Total Variation）模型用于图像修复时没有考虑缺损区域的方向信息,并且存在收敛速度缓慢以及修复质量较低等问题.针对图像上方向特征明显的条状缺损区域,提出带方向的TV图像修复算法（ADTV）.该算法分别针对4种方向（0度、45度、90度、135度）对TV算法离散格式进行改进,并引入方向判断,将缺损区域归类到此4种方向进行修复.实验结果表明,该算法充分利用了条状缺损区域的方向信息,有效提高了图像修复质量.为提高修复效率,将网函数插值分别与TV算法、ADTV算法相结合提出Net-TV算法、Net-ADTV算法.实验结果表明,结合算法不但有效减少了迭代次数,降低了时间成本,加快了收敛速度,而且提高了图像修复效果.     

基于MRF模型的图像修复算法

基于马尔可夫随机场(MRF)模型,提出一种直接采样的图像修复方法.通过优先权机制来决定边界像素的修复次序,充分顾及到图像的边缘结构信息,同时能够恢复纹理细节,避免了模糊效应.实验证明该算法具有很好的修复效果.     

基于色度-亮度全变分模型的彩色图像放大

采用传统插值法放大的图像存在边缘锯齿化和边缘模糊化缺点。针对该问题,在分析图像复原全变分模型的基础上,将色度-亮度全变分复原模型用于彩色图像放大,使图像放大问题转化为图像修补问题。实验结果证明,该方法能保持放大后图像边缘的光滑与清晰。