整体变分算法在图像修补中的应用研究

对如何将整体变分模型用于图像修补进行了讨论 主要研究整体变分算法在待修补区为长条形空白区域的图像修补 ,并根据待修补区为长条形的特点 ,通过引入权值 ,对整体变分模型的离散化算法作了改进 ,使该算法利用邻域信息仅对待修补空白区域进行填充 ,而不改变待修补区邻域的像素值 实验表明 。

区域选取与差异图融合的目标变化检测方法

针对现有目标变化检测方法用于高分辨率可见光图像时,未能有效利用图像的局部特征,目标误检率高。提出了一种区域选取的目标变化检测方法。首先利用整体变分算法获取两幅源图像的结构图,并将两幅源图像与两幅结构图进行分块;然后通过计算得到两幅结构图相同位置块的熵值差和两幅源图像相同位置块的结构相似度,并将两者分别与各自阈值比较以确定出存在变化目标的图像块;最后将存在变化目标的图像块的对数比差异图与均值比差异图进行融合,并对融合后的图像进行形态学处理,得到最终的目标变化检测结果。结果显示,与阴影补偿方法相比,算法的目标目标漏检率降低了36%,伪目标率降低36%,数据表明该方法能够准确的检测出真实变化的目标,较好地排除了伪目标。

基于总变分模型的改进图像修复算法

传统的总变分修复算法,在文本与划痕的去除上需要较多的迭代次数,耗时较长。针对此问题,提出一种改进算法,在正则项中加入扩散调节系数,在扩散调节系数中引入随着迭代次数而变化的自适应参数,使算法在迭代初期以较快的速度扩散,而在迭代后期减速扩散,从而使修复后的图像保持锐利的边缘。大量仿真证明,改进后的算法在划痕与文本的去除上减少了迭代次数和运行时间,修复后的图像视觉效果很好。