基于矩阵相似度的最佳样本块匹配算法及其在图像修复中的应用

在基于纹理合成的图像修复算法中,最佳样本块匹配算法存在匹配精度不高和时间复杂度高等问题。针对上述问题,首先构造了块匹配算法,采用矩阵相似度来计算模板块与样本块之间的匹配度,以相对较粗的粒度初步选出最佳样本块的候选集。然后,又构造了像素点匹配算法,采用模板块与候选最佳样本块之间的误差矩阵的内积来计算对应像素点之间的匹配度,以更细的粒度来确定最终的最佳样本块。块匹配算法降低了时间复杂度,像素点匹配算法提高了匹配精度,因此,在此基础上构造的基于相似矩阵的最佳样本块匹配算法能够在不增加时间复杂度的情况下提高算法的匹配精度。实例验证结果表明,与当前基于纹理的图像修复算法相比,该算法的匹配精度提高,时间复杂度降低。     

一种改进的基于纹理的图像修复算法

图像修复是数字图像处理领域重要的研究内容,该文针对Criminisi等人提出的基于纹理的图像修复算法的一些不足,提出一种改进算法,优化了纹理块优先权的计算方法,采用新的搜索匹配块方法和改进了匹配准则.实验结果表明,该算法具有良好的修复效果.     

基于边缘特征和像素结构相似度的图像修复算法

针对Criminisi算法的块匹配准则仅采取单一颜色判断因子导致无法合理选择最佳样本块,且其在修复过程中使用单一修复模板易出现填充裂纹和错误像素的问题,提出基于边缘特征和像素结构相似度的图像修复算法.首先提出一种局部特征与边缘纹理分辨相结合的分段修复算法以增强边缘纹理分辨能力;其次采用样本相似度和信息熵相似度确定最佳样本块集合,并依据颜色和特征项的欧氏几何距离及结构相似性确立块匹配准则;再通过基于信息熵的自适应修复模板解决Criminisi算法的填充裂纹和错误像素问题;最后引入果蝇优化算法以减少图像修复时间.实验结果证明,对于不同的图像,文中算法能取得较为满意的修复效果和修复效率.     

一种基于颜色区域分割的图像修复算法

现有的基于样本块纹理合成的数字图像修复技术在全局式搜索样本匹配块时可能选择错误的匹配块,导致繁衍错误信息而使修复结果不理想。该文提出一种基于颜色区域分割的图像修复方法,其目标匹配块的搜索限定在源样本块所覆盖的颜色区域中。实验结果表明这是一种更健壮、视觉效果更理想的修复算法,可以有效修复各种破损情况,尤其是具有复杂背景的较大区域填充。     

一种基于图像平均灰度值的快速图像修复算法

基于纹理合成的图像修复技术用于修复大面积破损区域,目前此类算法都存在时间复杂度高的缺点。针对纹理算法的匹配技术进行改进,提出了一种基于图像平均灰度值的快速图像匹配算法。该算法在匹配之前预先计算纹理块的平均灰度值以及分割后的纹理块的局部平均灰度值,以取代计算复杂的匹配项SSD（sum of squared differences）;匹配过程只需对平均灰度值进行快速比较,结合阈值控制筛选掉大部分候选纹理块。实验结果表明,该算法在不损害图像修复质量的同时,将纹理修复的效率提高到实时水平。同时在纹理合成和纹理修复中具有普遍的适用性。     

基于先验约束和统计的图像修复算法

利用基于块匹配（PatchMatch）图像修复算法对破损区域较大且周围既含有几何结构信息又含有丰富纹理信息的图片进行修复时,容易出现纹理延伸现象以及样本块误匹配问题。针对此类问题,在样本块的精确匹配和算法的时效性两个方面进行改进,提出新的图像修复算法。在样本块精确匹配方面,改进算法对图像进行预处理以获得图像的先验信息,并利用先验信息约束算法偏移映射图的初始化,从而转变PatchMatch算法中对图像偏移映射图的全局随机初始化为在先验信息指导下的约束初始化;在像素块匹配过程中,利用均值法和夹角法来判断不同类别像素块的相似度,从而提高样本块的匹配精度。在算法的时效性方面,根据图像相似块的统计性特性,引入直方图统计的方法来减少最终用于修复的样本标签,提高改进算法的时效性。最后,将改进算法用于实例验证,相比原算法,改进算法的运行时间减少了5~10 s,峰值信噪比（PSNR）提高了0.5~1 dB。实例验证结果表明改进算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。     

一种基于样本块的快速图像修复算法

分析了Criminisi等人提出的基于样本块的图像修复算法,针对其不足,提出一种改进的基于样本块的快速图像修复方法.引入新的度量函数更新置信度,使优先级的计算更加准确;待匹配块的再筛选策略降低了选择最佳匹配块的随机性;已修复样本块邻域检测避免了全局范围内寻找破损边缘.实验结果表明:该方法取得了较好的修复效果,同时提高了...     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

新搜索策略下的快速图像修复算法

提出了一种新搜索策略下的快速图像修复算法。通过定义新的优先权计算函数,克服了图像低纹理区域修复过于滞后的问题。又通过预测修复后图像块统计属性,对所有待匹配的图像块进行筛选,加快了图像修复速度,改善了修复效果。实验结果显示,该算法适用于多种类型的数字图像修复。     

改进的Criminisi图像修复算法

图像修复是一种去除图像中多余物体并采用合理的纹理去填充待修复区域的技术。针对Criminisi等人提出的基于样本的图像修复算法,根据目标块中的结构信息与中心点梯度值的相关性,提出了一种新的优先权函数设计方法,以保持待修复区域的强连续性。为加快匹配效率,在确保要获取的匹配块在搜索范围内的同时,采用局部搜索匹配块的方法,相比Criminisi原算法中通过全局搜索得到匹配块的方式,速率更快。实验结果表明,该算法能获得更佳的修复效果。