基于随机映射的快速图像修复算法

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。     

基于样本块与曲率特征的图像修复改进算法*

针对目前基于样本块的图像修复算法在图像修复过程中容易产生错误的匹配纹理块,难以保持纹理结构连贯性的问题,提出了结合等照度线的曲率特征和高斯函数的图像修复改进算法,首先在数据项中引入了反映纹理结构特征的曲率因子来计算优先权;其次运用高斯函数更新置信项,避免了因置信项快速下降而导致的误匹配问题。通过计算修复结果的PSNR值与其他算法进行对比,实验结果表明,该算法对丰富纹理信息的图像有更好的修复效果。     

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。     

基于聚类分割和纹理合成的图像修复改进算法

Criminisi提出的基于样本的图像修复技术需要在整幅图像中遍历样本,代价太大,并可能因选择错误的样本,不断迭代更新后而导致错误信息累积,使修复结果出现较大的偏差。同时,考虑到Criminisi算法中优先权函数的计算失误可能导致修复结果中出现结构失真,由此提出一种基于聚类分割和纹理合成的图像修复改进算法,将目标样本块的搜索限定在与源样本块所覆盖的类别一致的区域当中。在像素点优先权计算中,引入该像素点邻域灰度梯度差值信息,提出更为合理的优先权计算公式,以最大限度保证复杂场景中边缘优先传递,并在置信度更新项中有差别地对待新填充像素点。通过实验证明,改进算法不仅解决了Criminisi算法可能存在的结构偏差延续问题,修复视觉效果更加符合人们的主观感受,而且大大缩短了修复时间。     

基于优先权改进和块划分的图像修复

目的 针对基于样本块的Criminisi图像修复算法易发生置信项迅速下降趋于零,使优先权计算公式失效,导致修复顺序错乱造成的修复效果失真问题,以及在搜索匹配块时存在的搜索范围过大,效率过低,易出现匹配到不符合视觉效果的纹理块问题,提出一种基于优先权改进和块划分的图像修复算法。方法 首先重新定义优先权中的置信项,用样本块中的棋盘距离替代原计算公式,保证优先权一直发挥作用,从而减少因修复顺序不合理造成的错误匹配;其次根据图像纹理信息将其自适应划分为不同大小的图像块,使待修复样本块只在具有相似特征的图像块区域内搜索匹配。结果 实验结果表明,新定义的优先权,保证了修复算法的正常进行,改善了修复图像的视觉效果;由图像自适应块划分引导匹配过程,可使匹配在更少的候选块中进行,提高了算法速度。将本文方法与3种全局搜索匹配方法和1种局部搜索匹配方法进行修复结果对比分析,本文方法的修复结果视觉完整性较好,而且修复时间小于其中3种算法。结论 通过改进Criminisi算法优先权中的置信项,避免因其趋于零导致的修复顺序错乱造成的错误累积情况的发生;同时通过改进待修复匹配块的搜索范围,对整幅图像进行自适应块划分,使搜索只在相似块中进行,不仅减少了时间,而且提高了匹配的准确性。本文方法对于自然图像中大面积目标物体移除方面有较好的应用,可获得较满意的修复效果。     

基于能量信息耦合梯度调节机制的图像修复算法设计与应用

为了克服当前图像修复算法主要依靠图像的置信度信息来获取优先修复块，忽略了图像的能量信息，导致修复结果中存在不连续及伪吉布斯现象等缺陷。本文设计了基于能量信息与梯度调节机制的图像修复算法。首先，通过区域能量函数来求取图像的能量信息，以计算待修复块的优先权信息，得到优先修复块。然后，基于图像梯度模值，建立梯度调节机制，以调节样本块的大小，获取与图像纹理相适应的样本块尺寸。引入平方差求和函数，以确定最优匹配块。最后，通过像素点间的差异性，构造相似惩罚因子，以更新置信度项，完成图像的修复。实验结果显示，较当前图像修复方案而言，所提算法具备更好的修复性能，所得到的修复图像拥有更好的纹理连贯性与更高的结构相似值。     

改进的基于样本块的图像修复方法

在研究Criminisi修复算法的基础上,提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征,自适应选取样本块大小,提高修复的速度;采用新的数据项,改进优先权公式,避免阶梯效应的产生;重新定义置信度的更新公式,引入曲率距离,减少因置信度更新而累计的误差,提高修复顺序的准确性。实验表明,改进的方法能够有效提高修复的效果,减少修复所需时间。     

基于样本块的破损唐卡图像修复算法的改进

基于样本块的修复算法由于能同时有效地修复图像的受损纹理和结构的优点被引入到唐卡图像的数字化保护中,而且它对特定破损唐卡图像修复效果良好,但是由于优先权计算和最佳样本块不唯一等问题的影响,算法对其他类唐卡图像修复效果不佳。针对此算法的不足,对信任度计算方法和等照线计算方法进行了改进,解决了最佳样本块不唯一的问题。实验结果证明,改进后的算法不仅能够得到令人满意的修复结果而且能够提高修复效率。     

基于人工鱼群微细分解的先验未知像素点修复算法

由于未知像素点先验信息缺失,因此模块匹配和边缘结构信息未知,全息修复困难。传统方法采用子空间特征信息多维搜索方法未能实现对图像纹理的微细结构信息的模板匹配,效果不好。引入人工鱼群算法,提出一种基于人工鱼群微细分解和亮度补偿的先验未知像素点全息修复算法,即采用子空间特征信息多维搜索方法进行先验未知像素点置信度的更新,以保持被修复的图像破损区域的连续性。构建人工鱼群算法的图像微细分解模型,结合边缘特征点亮度补偿策略,来实现对先验未知像素点的图像信息修复改进。实验结果表明,改进的图像修复算法具有良好的视觉效果,修复时间和计算开销较少,提高了稳定性和收敛性,图像修复后的信噪比误差较小,保持在6%以内,因此该算法的性能优越。     

区域自适应的图像修复算法

针对Criminisi等人提出的基于样本的图像修复算法使用穷尽搜索的方式寻找最优匹配像素块,以及采用固定大小的修复像素块进行修复时产生的错误匹配和信息延伸对图像修复质量的影响,根据像素点周围邻域信息对该像素点的决定作用和结构信息的重要性,提出一种区域搜索和自适应模板图像修复方法,以增强信息的局部协调性和边界信息的恢复能力,提高图像整体的修复效果。大量实验表明,改进算法在减少修复时间的同时,能较好地保持图像的结构,从而使修复结果达到更好的视觉效果。