基于显著结构重构与纹理合成的图像修复算法

文章结合结构修复算法及纹理修复算法各自的优点,并考虑显著结构对图像修复的巨大影响,提出结合显著结构重构与纹理合成的图像修复算法。算法先利用形态学算子剥离待修复图像中细小结构与大块区域;然后利用快速结构修复算法对图像进行处理;再利用插值对待修复图像进行显著结构重构;最后利用基于改进优先级的加权匹配图像修复算法进行后续修复。实验结果表明,对既有显著结构同时又包含丰富纹理的待修复图像,与传统算法相比,本文的算法不但有更好的修复效果,而且耗时更少。

结合形态学变形虫和复合颜色空间的彩色图像边缘检测模型

为解决彩色图像边缘检测中出现的RGB空间中向量排序、边缘准确定位以及抗噪性问题,提出一种基于形态学变形虫(自适应结构元素)并联合使用HSV空间和RGB空间的彩色图像边缘检测方法.首先在HSV空间中计算变形虫结构元素,克服了传统形态学结构元素选择不合理的缺点;然后借助HSV空间中的度量,并将其转换到RGB空间中完成向量的排序;再在RGB空间中,通过计算上述变形虫结构元素中像素间距离最小值定义边缘强度,不仅避免了HSV空间边缘定位不准确的问题,而且提高了算法的抗噪性;最后借用Canny算子的思想得到单像素边缘.实验结果表明,该方法能够充分考虑到图像的局部特征,边缘定位准确、抗噪效果显著,能得到有效、丰富的边缘信息.

改进的模糊形态学彩色图像边缘检测算法

文章针对彩色图像边缘检测问题,提出了一种改进的模糊形态学算法。算法将模糊形态学算法由原来处理灰度图像的标量运算推广到彩色图像的矢量运算,并在此基础上改进了模糊增强公式,同时引入了变形虫结构元素进行边缘提取。实验结果表明:改进的算法能够将模糊形态学较好地运用到彩色图像边缘检测上,且边缘定位准确,充分考虑了图像的局部特征,有一定的抗噪性,能得到光滑有效的边缘信息。

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。

基于改进优先级的自适应图像修复算法

文章基于Criminisi算法,提出了改进优先级的自适应样本块匹配算法,在Criminisi算法的优先级中增加了信息项,使图像的修复顺序更加合理;针对以往修复图像时样本块大小固定不变,造成图像的不合理结构累积,部分区域的局部结构丢失等不足,提出一种改进的自适应样本块匹配方法,其核心思想是通过局部结构特征,确定修复样本块大小。实验结果表明,所提算法对许多图像都能取得较好的修复效果。