基于样例的图像修复改进算法

基于样例的图像修复算法在修复强结构纹理图像时存在结构不连续现象。针对该问题,提出一种基于样例的图像修复改进算法。在计算数据项时引入结构张量,实现各向异性线性结构的优先级,以决定目标区域修复的先后顺序,使用置信度项和数据项加权和的方式计算优先级。实验结果证明,改进算法对强结构纹理图像的修复效果较优。     

一种改进的基于样例的图像修复算法

经典的Criminisi图像修复算法,通过结合偏微分方程算法和纹理合成算法两者的优点,对图像的纹理和结构同时进行修复,获得了较好的视觉效果。但基于样例的图像修复算法在定义优先权时仅考虑了置信度和数据项,导致错误信息的繁衍,使修复结果不理想。在Criminisi算法基础上,提出一种改进的基于样例的图像修复方法。通过重新定义修复块的优先权,增加一种度量图像平滑性的几何量,同时增加最佳匹配块的限制条件,从而使修复后的图像获得了更好的视觉效果。     

一种基于样例的快速图像修复算法

在研究Criminisi等人的基于样例的修复算法基础上,提出了一种快速修复算法.该算法采用梯度数据项连同置信度确定填充顺序,使得优先权的计算更加准确;并采用局部窗口搜索的策略,加快了修复速度;最后利用颜色和梯度共同决定相似性,使得修复后的图像具有更好的视觉效果.大量实验结果表明,该算法不仅能够快速有效地修复受损图像,而且能够很好地保持受损区域的纹理和结构.     

基于谱归一化条件生成对抗网络的图像修复算法

基于生成对抗网络的图像修复算法在修复大尺寸缺失图像时,存在图像失真较多与判别网络性能不可控等问题,基于谱归一化条件生成对抗网络,提出一种新的图像修复算法。引入谱归一化来约束判别网络的判别性能,间接提高修复网络的修复能力,并根据控制判别网络性能对谱归一化进行理论分析。通过类别信息约束特征生成,保证修复图像的内容不变性,引入扩展卷积算子对待修复图像进行像素级操作,解决修复图像缺乏局部一致性的问题。在此基础上,运用PSNR、SSIM等图像评价方法及分片Wasserstein距离、Inception分数、流形距离度量、GAN-train和GAN-test等流形结构相似度评价指标对修复图像进行综合评价。实验结果表明,与CE、GL等算法相比,该算法获得的修复图像在主观感受和客观评价指标上均有明显提高。     

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。     

一种使用HSI颜色空间改进的图像修复算法

针对Criminisi图像修复算法的修复次序没有充分利用图像结构特征等特点,提出一种使用HSI颜色空间改进的基于样例的图像修复算法。通过在计算优先权值函数时将图像映射到HSI色彩空间,引入色调梯度和饱和度梯度等概念,并在信息量参数中引入梯度的均值和方差等统计量,充分提取图像的结构特征,使得修复次序趋于合理。另外,通过利用图像的邻域相似特性,减少了修复过程的运算量。对比实验结果表明,该算法对各类图像的修复质量都有较好的改善。     

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。     

改进的基于样例的图像修复方法

在Criminisi算法基础上,针对其填充次序不准确等缺点,提出了一种基于样例的图像修复方法。通过在优先权函数中引入相邻像素间颜色差值信息,图像结构部分优先传播。同时,置信度值更新考虑样本填充质量,目标块与相似块差异越小则该值相对较高。另外,块搜索过程中多个样本块有相同最小颜色距离时,选取梯度距离最小的样本块。实验结果表明,改进算法对各类图像取得了较高修复质量。     

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。     

基于自适应相似组稀疏表示的图像修复算法

针对图像修复结果中存在的结构连续性和纹理清晰性较差的问题,提出了一种基于自适应相似组的图像修复算法。区别于传统的以单一图像块或固定数目图像块作为修复单元的方法,该算法根据自然图像中纹理区和结构区的不同特点,自适应地选取不同数目的相似图像块,构造自适应相似组;然后以相似组作为基本单元,学习自适应字典,并构造基于稀疏表示的图像修复模型;最后,采用Split Bregman Iteration算法高效地求解目标代价函数。实验结果表明,与基于图像块的图像修复算法和图像块组稀疏表示（GSR）算法相比,该算法在峰值信噪比（PSNR）上平均提高了0.94~4.34 dB,在结构相似性指数（SSIM）上平均提高了0.0069~0.0345,同时,修复速度分别是对比算法的2.51倍和3.32倍。     

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法*

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.     

结构张量的改进Criminisi修复

目的 针对传统基于样本块的图像修复算法中仅利用图像的梯度信息和颜色信息来修复破损区域时,容易产生错误填充块的问题,本文在Criminisi算法的基础上,利用结构张量特性,提出了一种改进的基于结构张量的彩色图像修复算法。方法 首先利用结构张量的特征值定义新的数据项,以确保图像的结构信息能够更加准确地传播;然后利用该数据项构成新的优先权函数,使得图像的填充顺序更加精准;最后利用结构张量的平均相干性来自适应选择样本块大小,以克服结构不连续和错误延伸的缺点;同时在匹配准则中,利用结构张量特征值来增加约束条件,以减少错误匹配率。结果 实验结果表明,改进算法的修复效果较理想,在主观视觉上有明显的提升,其修复结果的峰值信噪比（PSNR）和结构相似度（SSIM）都有所提高;与传统Criminisi算法相比,其峰值信噪比提高了1~3 dB。结论 本文算法利用结构张量的特性实现了对不同结构特征的彩色破损图像的修复,对复杂的线性结构和纹理区域都有较理想的修复,有效地保持了图像边缘结构的平滑性,而且对大物体的移除和文字去除也有较好的修复效果。     

一范数在图像修复中的应用

考虑到图像相邻像素具有相关性,修复后的图像能量应为最低状态。定义了复合向量的范数。利用改进的热传导模型进行图像修复。提出的算法既可用来有效地修复划痕,也可用于去除文字,还可以填充较大破损区域。     

基于断裂结构线匹配模型的大破损区域图像修复算法

针 对现阶段含有复杂结构信息的大破损区域图像修复算法中存在的断裂结构线连接错误、连接不平滑的问题,提出一种基于断裂结构线匹配模型的大破损区域图像修复算法。首先,深入分析了影响断裂结构线匹配度计算的因子,并根据这些影响因子的重要程度赋予不同权重值,在此基础上构造了一种断裂结构线匹配模型以得到相应的断裂结构线匹配对;然后,在这些断裂结构线匹配对的基础上拟合出光滑结构线,并将大的破损区域划分为了不同的子区域;最后,使用块匹配算法对破损子区域进行像素填充。在进行的6组对比实验中,所提算法在处理含有丰富结构信息的大破损区域边缘时,能够准确地对断裂结构线进行配对并且能在配对结果的指导下平滑连接断裂结构线,修复后的图像视觉效果明显比改进后的Criminisi算法、Hays算法以及IIPBDR算法得到的效果好。     

基于统计特征的图像修复

在基于样图图像修复思想的基础上,从填充顺序和匹配准则两个方面进行改进,提出了一种图像修复方法。优先级函数加入了面片梯度信息和方差信息,使得填充顺序能够正确地修复结构和纹理信息。匹配准则采用自定义的颜色特征函数和统计特征函数对相似片进行两重匹配,取最优匹配块填充。一系列的修复实例证明该方法的有效性和鲁棒性。     

一种基于整体变分的图象修补算法

图象修补是图象恢复研究中的一个重要内容，它的目的是根据图象现有的信息来自动恢复丢失的信息，可以用于旧照片中丢失信息的恢复。由于图象中的边缘代表了图象的重要信息，所以在设计修补算法时，必须着重考虑边缘的恢复，采用整体变分模型设计了一个图象修补算法，整体变分模型能够模拟人的低层视层，在修补图象时可以恢复图象中的边缘，数值实验表明，该模型能够较好地恢复待修补区域的信息，但是受修补区域大小的影响，同时又采用了一种向前传播操作来缩小修补区域。     

图像复原的算法研究

近年来有关图像复原的研究成果大量涌现，焦点大多集中在图像中的纹理合成或面向结构的图像润饰。分析的几个重要算法，即基于同步的结构纹理填充算法、基于统计的图像润饰算法和基于样本的图像润饰算法，突破了以往研究的局限性，取得了较好的复原效果。基于同步的结构纹理填充算法，首先将纹理合成和图像润饰技术同时应用于图像恢复，基于统计的图像润饰算法则全面利用了图像的全局信息，基于样本的图像润饰算法则将纹理合成和图像润饰技术的特性融于一体。对此进行了分析探讨，并在此基础上总结了目前图像复原研究状况。     

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