基于内容自适应的唐墓室壁画修复算法

为了解决基于样本图像修复算法时间复杂度高的缺点,结合唐墓室壁画的特点,提出了一种基于内容自适应的唐墓室壁画修复算法。该算法通过分析图像局部梯度变化将受损区域分为平坦区域和纹理区域,对于纹理区域采用改进的基于样本图像修复算法进行修复,而对平坦区域采用改进的基于快速行进算法（FMM）进行填充,最后提出自适应修补算法。实验结果表明,该算法在保证图像修复质量的同时提高了算法的效率。     

唐墓室壁画泥斑病害自动标定及虚拟修复

针对唐墓室壁画泥斑病害问题,提出了泥斑病害自动标定算法。用空间自相关函数分析泥斑病害纹理特征,在YCbCr模型下,分析泥斑病害亮度,色度特征;对图像分块处理,分析其每个图像块的纹理、亮度和色度特征,通过阈值分割得到泥斑的纹理、亮度和色度掩码。为了精确标定又提出将泥斑的纹理、亮度和色度掩码进行与或运算,得到泥斑区域掩码,将泥斑区域掩码与原图进行加运算,实现壁画泥斑病害精确标定。通过壁画虚拟修复实验表明这种标定算法不仅标定准确而且提高了壁画虚拟修复效率。     

基于尺度空间的小波纹理描述算法的壁画修复

近年来,壁画的数字化修复技术得到了很大的发展,但是其主要算法在图像纹理方向的修复效果一般。为了解决这些问题,还原壁画的原有样貌,提出了一种简单快速的壁画修复算法。该算法在改进的Telea算法的基础上,根据图像纹理的多尺度特征性,利用小波纹理描述算法对壁画的纹理结构进行了修复处理,运用非局部梯度算子,通过计算待修复区域的像素点的非局部梯度值并依据曲率选取的全局最优方向进行扩散,达到壁画纹理修复的目的。实验结果表明了该算法的有效性。     

多尺度唐墓室壁画病害标记及修复技术研究

古代壁画虚拟修复包括病害标记与缺损信息填充两部分。病害标记结果为虚拟修复建立先验模型,标记区域为图像信息缺损部分,未标记区域为有效信息源,修复过程为有效信息向缺损区域扩散的过程。依据唐墓室壁画的病害分类标准,采取多尺度病害标记,利用形态学高帽、低帽算子设计多尺度结构元素对病害进行标记,形成龟裂、裂隙、裂缝三种病害的分布图,并产生相应的掩膜。以此掩膜图像为先验模型,改进CDD算法的信息扩散方式,用交叉扩散代替正交扩散以适应带有确定方向性的信息缺失区域被合理填充,该方法能实现唐墓室壁画的多尺度修复。     

基于图像分解的图像修复技术

针对整体变分(TV)图像修复模型缺点,提出基于图像分解的修复模型。采用图像分解技术,提取图像的结构信息和纹理信息。将图像结构部分用基于TV的改进模型进行修复,避免TV模型在平滑区域产生阶梯效应。在迭代过程中,对图像的特征点与非特征点分别考虑,确保在修复过程中特征点不被模糊化,图像纹理部分采用改进的基于样本修复技术。Matlab仿真实验结果表明,改进算法的修复效果和峰值信噪比计算结果优于原始算法。     

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.     

基于纹理和结构的图像修复算法研究

图像修复是一种修复图像中破坏部分的技术,具有广泛的应用。传统的图像修复算法对于纯结构或纯纹理图像有较好的修复效果,对于既有结构又有大量纹理的图像,可以先将图像分为结构子图和纹理子图,再分别用不同的方法处理两个子图。算法结合了Poisson方程和块纹理合成的思想,首先将原图分解成结构子图和纹理子图两部分,然后根据两个子图各自的特征分别进行修复。对于结构子图像,采用基于Possion方程的方法进行修复,对于纹理子图,采用纹理块合成方法进行修复。实验证明,该算法具有良好的修复效果。     

基于Criminisi的结构组稀疏表示图像修复算法

结构组稀疏表示(structural group sparse representation,SGSR)算法对结构组的估计值进行奇异值分解得到字典,然后用Split Bregman Iteration算法求解优化模型得到稀疏解,最后借助字典和稀疏解来修复图像。该算法在一定程度上解决了传统稀疏表示算法忽略图像块之间相似性导致重构图像的结构和纹理不够自然的问题。但该算法中,结构组的估计值采用双线性插值算法得到,因此对块状缺失图像的修复效果一般。为了更准确地计算结构组的估计值,提出用Criminisi算法代替双线性插值算法,并由此时的估计值生成更合理的字典和稀疏解,得到重构的结构组,进而更准确地修复图像。实验数据表明,与SGSR算法相比,所提出的算法在峰值信噪比和相似结构性指数上分别平均提高了2.66 dB和0.0017,且在结构和纹理上取得了更自然的主观视觉效果。     

基于图像分解和稀疏表示的多聚焦图像融合

针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法.首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像.实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较.实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点,同时有更好的视觉效果.     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。