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。     

基于改进Criminisi算法的自动驾驶仿真道路场景图像修复

利用真实图像生成虚拟驾驶场景视图时,首先要从图像中移除车辆、行人等前景目标,以便获得不包含移动目标的背景图像。针对原始Criminisi算法存在的图像破损区域在修复后会出现模糊效应、边界不够平滑的弊端,提出了一种在处理掩膜图像环节使用开运算,并优化原始优先权函数的改进算法。运用MATLAB仿真平台进行实验分析,结果表明改进后算法修复时间平均缩短了16.5 s,峰值信噪比平均高出原算法1.65 dB。该算法还原了图像中更多的道路信息,弥补了Criminisi算法的不足。     

改进的Criminisi图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法在确定匹配块大小时存在的一些不足,提出了一种改进的基于样本的图像修复算法。该算法根据样本的纹元大小确定其匹配块大小,使得匹配更为准确,并利用多级合成提高修复效果,弥补了Criminisi算法修复时出现的结构断裂缺陷。实验结果表明,该方法在修复强结构纹理图像时有很好的效果。     

改进的Criminisi图像修复算法研究

针对Criminisi算法存在的优先权函数不可靠,匹配块遍历搜索时间复杂度大,以及选取匹配块时相似度函数不准确的问题,提出了一种改进的Criminisi图像修复算法。该算法改进了优先权计算公式,引入了方差差值项,增强了对图像结构部分的辨别能力。在搜寻最佳匹配块时,引入一个比例系数,从而有效缩短了匹配块寻求时间,降低时间复杂度。且定义了新的待修复块与匹配块之间的相似度函数。通过实际修复实验证明,改进后的Criminisi算法的修复结果更加可靠和有效。     

一种改进的Criminisi图像修复算法

图像修复的目的是填补有信息缺损的图像,并使观察者无法察觉出图像的填补痕迹。在Criminisi提出的算法基础上进行改进,提出一种图像修复方法。引入曲率来决定目标块的填充次序和最佳匹配块的选择,并改进优先权为各项加权和,通过改变权值可以得到更好的修复效果,同时避免了由于置信度迅速衰减带来的错误填充次序。大量实验结果表明,提出的算法不仅增强了图像结构的连续性,并使得匹配更加准确,对于各种类型图像的修复都取得了令人满意的视觉效果。     

基于样本块的图像修复改进算法

Criminisi等人曾提出一种基于样本块的图像修复算法,将其算法中优先权的确定进行了改进,通过引入调节因子[α]调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;同时将优先权公式由相乘改成相加,防止快速衰减,提高修复效果,并从实验证明了算法的有效性。     

划分特征子区域的图像修复算法

为了解决含有丰富纹理信息和复杂结构信息的大破损区域中的缺失信息修复的问题,提出了一种划分特征子区域的图像修复算法。首先,根据图像中包含的不同特征,运用特征公式进行特征提取,再通过统计特征值划分特征子区域,提高了图像修复的速度;其次,在原Criminisi算法的基础上改进了优先级的计算,通过增大结构项的影响,避免结构断裂的产生;然后,通过目标块和其最佳邻域相似块共同约束样本块的选取,确定最佳样本块集;最后,利用权值分配法合成最佳样本块。实验结果表明,所提算法相比原Criminisi算法,其峰值信噪比（PSNR）提升了2~3 dB,相比基于稀疏表示的块优先权值计算的算法,其修复效率有明显的提高。所提算法不但适用于一般小尺度的破损图像的修复,而且对于含有丰富纹理信息和复杂结构信息的大破损图像的修复效果也更佳,并且修复后的图像更加符合人们视觉上的连通性。     

一种结合CDD 模型和Criminisi 算法的图像修复算法

针对既含有大块缺失信息又含有划痕的图像,结合CDD 模型和Criminisi 算法的 优点,提出一种新的修复算法。算法先采用可以强化细节的自适应直方图均衡化操作来扩大图 像的动态范围,后利用形态学算子分离出待修复图像中的划痕区域与大块区域,接着用CDD 模 型对划痕进行修复,再用改进优先级的Criminisi 算法进行后续修复,最后把修复后的图像对 应于缺失区域的像素填补到待修复图像的区域中。实验结果表明,改进后的算法克服了现有算 法可能存在的偏差延续问题,使图像修复的结果更加符合人们的视觉效果。     

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。     

基于可变大小模板的改进图像修复算法

Criminisi等人提出的基于模板的图像修复算法是该领域最重要的贡献之一。在保持Criminisi基本算法框架不变的基础上,本文提出了一些改进思想。主要贡献是设计了基于可变大小模板的块匹配程序以使模板搜索更准确灵活。此外,对信度更新方式进行了修正,并结合局部搜索以提高算法的综合性能。实验结果证实了改进的有效性。     

强化边缘结构的分段自适应图像修复算法

针对基于样本的图像修复技术在修复井下煤岩图像时存在纹理过渡延伸和边缘结构不连续的问题,提出一种强化边缘结构的分段自适应图像修复算法,其在Criminisi算法中引入基于ISEF的数据项和等照度线曲率信息构成新的优先权函数,解决了修复顺序不当的问题;并利用局部方差特征与信息熵划分的区域类型自适应选择样本块大小,解决了边缘保持的问题。在常用测试图像与孟村煤矿的煤岩图像上进行了修复实验,相较于传统的Criminisi方法,该算法的平均PSNR分别提升了0.37 dB与1.33 dB,平均SSIM分别提升了0.002 3与0.002 7。实验结果表明,该算法对纹理结构信息复杂的图像具有较好的修复效果,为煤壁图像的修复奠定了基础。     

基于自适应模板的图像修复算法

当前基于纹理的图像修复算法中模板块的尺寸是固定的,这样,当模板块尺寸很小时,虽然修复的精度会提高,但是算法的时间复杂度会大幅增加;相反,当模板块尺寸很大时,虽然可以降低算法的时间复杂度,但会使算法的误修复率提升。针对以上问题,提出了基于自适应模板的图像修复算法,该算法能够根据当前模板块与尺寸扩大后模板块之间的灰度均值及方差的变化情况来自适应地扩大模板尺寸,同时,根据模板块与样本块之间的匹配情况自适应地缩小模板块。最后,将所提提出的算法用于实例验证,其结果表明所提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     

基于纹理特征的自适应图像修复算法

为了解决基于样本图像修复算法对纹理部分的修复易产生误差累计的问题,提高图像修复的准确性,对优先值计算公式进行了修正,通过引入调节因子α调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;利用图像的小波系数估计图像的平均细节能量值,自适应地调节α因子,从而实现对不同纹理程度的图像自适当地调整修复策略,并通过实验证明了算法的有效性。     

基于几何距离的Criminisi图像修复算法

使用Criminisi算法进行大区域纹理图像修复时会出现纹理延续错误的现象。针对该问题,提出一种改进的算法,主要体现在两方面：在修复顺序上,通过分析优先权计算方法,以置信度为主导改进优先权模型;在匹配策略上,结合几何距离关系,采用多块同时修复的策略,通过相似度函数选出各块的3个候选匹配块,引入几何距离修正因子确定各块的最佳匹配块。实验结果表明,该算法较好克服了原算法存在的优先权计算不准确以及匹配策略约束力不够导致的纹理延续修复错误的问题,与典型算法相比,其具有较好的视觉效果。     

基于非降采样轮廓波变换的图像修复算法

多尺度分析技术已经广泛应用于数字图像处理领域,较大破损区域的图像修复成为图像修复的一个热点和难点。针对该问题,结合多分辨率分析原理与传统的样本块图像修复技术,提出了一种基于非降采样轮廓波变换的图像修复算法。该算法利用非降采样轮廓波变换把图像分解成低频部分和高频部分,并对图像分解后不同频率的部分分别予以修复。其中,图像的低频成分采用改进的纹理合成的方法进行修复。因为图像经过非降采样轮廓波变换后,低频分量与高频分量之间对应位置的信息之间具有一致性的特点,所以在修复低频成分的同时实现其他高频分量对应位置信息的修复。最后通过非降采样轮廓波重构过程完成纹理图像的修复。一般图像修复方法的参数选取以图像的修复效果最佳为宜,给出一个反例进行分析论证。实验发现,所提算法所修复图像的结构相似性测度与经典Criminisi算法和小波修复算法相差不大,但是峰值信噪比（PSNR）测度依据不同图像的纹理结构的特点与破损区域的不同位置特点而不同。仿真实验表明,所提方法很好地推广了非降采样轮廓波变换在图像修复中的应用,并且在修复大区域破损图像时能够获得较好的修复效果。     

参照四邻域裁剪样本的图像修复算法

针对结构纹理信息较复杂、破损尺度较大的图像修复问题,提出一种既能保持图像特征又能提高修复速度的参照四邻域裁剪样本的修复算法,将图像修复问题转化为最佳样本的检索过程。首先,提取图像结构信息,并对图像进行区域划分以缩小样本的裁剪与检索范围;其次,为了改进离差平方和（SSD）方法对块的结构信息匹配的忽视,在像素块匹配计算中引入结构对称匹配约束,有效避免了误匹配,提高了图像块匹配精度及样本搜索效率;然后,通过引入结构因子和置信度,结合传统的优先权计算,得到突出结构作用的优先级公式;最后,利用目标块与四邻域块间的重叠区域计算四邻域参照优先级,并根据四邻域提供的可靠参照信息,依据改进的块匹配方法裁剪样本集并检索最佳样本块,直至所有目标块都检索匹配到最佳样本,完成修复。实验结果表明,该算法可以很好地解决纹理模糊和结构错位等问题,在提高图像修复速度的同时,所提算法修复效果的峰值信噪比（PSNR）比其他对比算法平均提高了0.5~1 dB,使得修复后的图像更好地满足视觉连通性,同时能高效地修复一般区域,具有更好的普适性。