采用曲率扩散和边缘重建的深度图像空洞修复

传统的深度图像空洞修复算法,针对离散空洞和物体内部及背景中的空洞修复效果较好,但当物体边缘处存在较大面积空洞时,采用传统的修复方法,会出现物体边缘过填充或欠填充现象,造成边缘几何失真、边界模糊等问题。采用曲率扩散和边缘重建的深度图像空洞修复方法。首先获取深度图像空洞掩膜,确定空洞区域;然后使用曲率扩散模型填充空洞,并使用二值分割滤波获取边缘信息,得到待重建的像素;最后,通过马尔科夫随机场模型重建深度图像中的物体边缘纹理,去除模糊现象。曲率扩散模型将深度图像视为一个流体扩散方程,利用等照度线和曲率分布确定扩散强度,将局部结构从空洞的外部向内部扩散,能够准确的填充较大面积的空洞结构;马尔科夫随机场模型利用邻域系和连通系的能量函数表示结构信息,能够有效重建修复后的深度图像边缘纹理,从而去除物体边缘模糊。实验结果表明,相比传统的深度图像修复方法,采用文中方法修复后深度图像的平均梯度指标提高了10%-25%,可以有效地实现对深度图像中物体边缘处较大面积空洞的修复,得到结构完整、边缘纹理清晰的深度图像。

一种自适应改进曲率扩散超声图像滤波方法

针对图像尤其是医学超声图像的边缘模糊或者缺失对图像进一步处理带来的影响,同时由于传统改进曲率扩散方程无法自适应及迭代时间长,提出一种结合高斯滤波的参数自适应的改进曲率扩散方法,并且使用统计学中的绝对偏差中值自动调整梯度阈值参数。该方法能在保留改进曲率扩散方程去噪能力的同时有效地保留图像边缘细节信息,同时减少滤波过程中的迭代次数,从时间复杂度的方面提高了方法效率。另外,自适应梯度阈值的采用进一步提高了改进曲率扩散方程保留图像细节信息的能力。实验结果表明,结合高斯滤波的参数自适应改进曲率扩散方法继承了改进曲率扩散的优点,同时又减少了人工干预,提高了去噪效率。

基于双十字曲率驱动扩散模型的图像修复算法

当前各种基于曲率驱动扩散(CDD)模型的图像修复算法在修复待修复点时均只利用了其邻域中的4个点的参考信息,使修复后的图像边缘过渡不自然且修复精度不够高。针对以上问题,提出了基于双十字CDD的图像修复算法。该算法在充分利用原始CDD算法中4个邻域点的参考信息得到待修复点的修复像素值的基础上,再利用新引入的4个点的参考信息得到一个新的修复像素值,并将这两个修复像素值进行加权平均得到最终的修复像素值。最后,将提出的算法和原始的CDD算法以及改进的CDD算法用于实例验证,其结果表明,新提出的算法在不增加算法时间复杂度的条件下,使得图像边缘过渡更加自然,修复精度得到了有效提高。

基于PDE和几何曲率流驱动扩散的图像分析与处理

本文介绍由变分优化模型导出的偏微分方程(PDEs)模型与几何曲率流驱动扩散在图像恢复方面的应用,以及多种非线性异质扩散模型,讨论了PDEs模型在图像分析与处理方面的优点。理论与实验结果表明,要恢复得到高质量的图像,PDEs模型的利用是极为必要的。文中还介绍了求解PDEs模型的数值方案。其中,曲率计算是一个关键问题,其结果直接参与自适应扩散的控制。详细总结了基于有限差分和水平集方法,求解藕合非线性异质扩散模型方程的数值方案。追求高质量图像、高精度计算方法、降低计算复杂性是本文处理方法不断进步的发展动力。

曲率驱动扩散图像边缘形态复合滤波方法仿真

针对当前方法图像边缘滤波效果差、滤波耗时长的问题,提出基于自适应阈值的曲率驱动扩散图像边缘形态复合滤波方法。利用高斯算子微分构建曲率驱动扩散图像边缘形态检测算子,得到图像边缘角度,并对输入的曲率驱动扩散图像卷积,获得图像边缘角度方向的图像边缘响应。利用图像边缘角度的数量等条件计算图像的梯度,通过设定滤波器的尺寸来分析图像边缘滤波的抗噪性能;在此基础上,利用图像边缘的最大候选阈值计算图像的高、低阈值,并对图像的梯度做归一化处理,利用图像灰度级的中心距计算相对的峰度和偏度,并对灰度级相对的图像类间方差展开计算可以得到候选图像边缘阈值,通过对图像阈值的自适应选择,最终实现对曲率驱动扩散图像边缘的形态复合滤波。实验结果表明,提出的方法在对图像边缘形态复合滤波时,不仅具有较好的滤波效果,所用的滤波耗时也较短。

曲率驱动扩散修复模型的数值分析与实验

当物体破损区域的宽度大于物体的窄带宽度时,总体变分修复模型不能满足"连接性准则",针对这个缺点,Chan和Shen提出了基于曲率驱动扩散(CDD)修复模型.对此模型的数学公式进行理论分析及其离散化,得出关键性的迭代公式,并通过实验得出结论:CDD模型具备了修复较大的破损区域及细小边缘的能力.

基于曲率驱动扩散（CDD）的图像修复模型

由于TV（总体变分）修复模型不能满足“连接性准则”。针对这个问题，Chan和Shen提出了基于曲率驱动扩散（CDD）修复模型，该模型通过在TV模型的基础上引入曲率项，从而使得“连接性准则”得以满足，本文将对此模型以及离散实现方法进行分析，并用实验得出结论：CDD模型具备了修复较大的破损区域及细小边缘的能力。

边界和曲率驱动修复的图像编码算法

提出面向人眼视觉的基于边界和曲率驱动修复的图像编码算法.首先利用梯度方差和二值边缘将图像分成结构块、梯度块和平凡块.然后采用JPEG和算术编码压缩平凡块、必要的结构块和梯度块及其辅助信息.最后在解码端利用JPEG解码平凡块,利用梯度加权的线性插值重构梯度块,采用边界指导的像素扩散方法和曲率驱动扩散模型解码结构块,较好保持解码图像边界的完整性和强度.实验表明,文中算法在压缩效率和解码图像的视觉效果上均有较大幅度的提高,且计算复杂度较低.

多尺度唐墓室壁画病害标记及修复技术研究

古代壁画虚拟修复包括病害标记与缺损信息填充两部分。病害标记结果为虚拟修复建立先验模型,标记区域为图像信息缺损部分,未标记区域为有效信息源,修复过程为有效信息向缺损区域扩散的过程。依据唐墓室壁画的病害分类标准,采取多尺度病害标记,利用形态学高帽、低帽算子设计多尺度结构元素对病害进行标记,形成龟裂、裂隙、裂缝三种病害的分布图,并产生相应的掩膜。以此掩膜图像为先验模型,改进CDD算法的信息扩散方式,用交叉扩散代替正交扩散以适应带有确定方向性的信息缺失区域被合理填充,该方法能实现唐墓室壁画的多尺度修复。

数字壁画病害提取与修复算法研究

数字图像修复为古代石窟壁画的科学保护与修复提供了重要依据,目前数字壁画病害信息的完整提取与合理化修复是文物虚拟修复的重要课题。以麦积山数字壁画为研究对象,分析风化裂隙伴随点状剥落的病害特征与形成机理,病害信息的完整提取以文物修复的最小干预为原则,采用以加权平均为相似性度量的局域最优层次聚类进行提取,并形成病害信息掩膜。以此掩膜图像为对象,其合理化修复利用增加了有效像素估计的曲率驱动扩散模型实现图像修复。该方法使得麦积山石窟壁画病害的虚拟修复更精确,达到了文物修复最小干预原则的效果。

敦煌壁画数字化修复方法综述

敦煌壁画是古代人类文明艺术的结晶,凝聚着世界文明的精髓,蕴含着丰富的历史文化精神,对相关文物进行保护具有十分重要的意义。利用数字化图像修复技术对敦煌壁画实现虚拟修复保护,是目前图像处理和计算机视觉领域重要研究热点之一。首先介绍数字化图像修复的各类方法研究现状和基本原理;然后对破损敦煌壁画进行不同算法的修复实验,分析比较各类修复方法的优劣;最后展望了敦煌壁画数字化修复发展趋势与研究前景。

基于偏微分方程的闪光照相图像修补算法

针对闪光照相底片图像可能含有缺陷的问题,提出了一种基于偏微分方程的闪光照相图像修补算法,该算法在曲率驱动扩散(CDD)方法的基础上,引入变系数的p-Laplace算子,并将其与BSCB方法交替进行修补。该算法能兼顾水平线的梯度方向和切线方向的修补信息,符合人眼的"连通性准则",并能有效修补面积较大的破损区域。与CDD修补算法相比,该算法能快速收敛,具有更好的修补效果。

基于p-Laplace算子的CDD图像修补算法

图像修补是图像复原研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,其可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。对如何将基于曲率驱动扩散模型用于图像修补进行了讨论,并提出一种基于p-Laplace算子的CDD图像修补算法,利用p-Laplace算子的非线性各向异性扩散的性能来填充受损区域,主要修补有划痕的旧照片和被文字覆盖的图像。采用峰值信噪比和运算时间两个参数来评定图像的修补效果。对修补后的图像来说,其峰值信噪比越大,修补时间越短,说明修补的效果越好和速度越快。实验结果表明,与原方法相比,能提高图像修补速度,使图片边缘过渡更加自然,修补效果得到改善。

基于LevelSet的超声乳腺肿瘤图像的轮廓提取

乳腺癌的发病率在女性癌症中居首位,在计算机辅助下精确地提取出乳腺图像中包含的结构信息和功能信息是当前面临的难题。本研究主要探讨利用水平集分割方法对超声乳腺图像进行肿瘤的自动分割。基本思路:①粗提取肿瘤所在的区域;②采取改进的各项异性扩散方程(MCDE),在保证乳腺肿瘤边界信息不被削弱的前提下削减超声图像的噪声;③利用图像梯度获取边界的潜在图像;④设置初始轮廓;⑤调整水平集中的速度函数,寻求适用于乳腺超声图像中肿瘤轮廓的提取方法,探索过程涉及两种改进的LevelSet方法:测地活动轮廓(geodesic active contour)和阈值水平集(threshold LevelSet)。结果表明,针对乳腺超声肿瘤的弱边界信息,利用阈值水平集分割可以自动获取与手动勾画较为相似的轮廓。

基于双树复小波的图像修复

小波变换技术已被广泛应用于图像修复领域,但其在图像修复过程中出现的边缘部分模糊或不连接的情况成为了一个难点。针对此问题,提出了基于双树复小波变换的图像修复算法。该算法使用双树复小波变换对破损图像进行多尺度和多方向的分解,对各个高频方向子带使用全变分(Total Variation,TV)模型进行快速修复,各个低频分量使用改进了的曲率驱动扩散(Curvature-Driven-Diffusions,CCD)模型进行迭代修复,最后通过小波逆变换得到最终的修复图像。实验结果表明,该方法很好地推广了双树复小波变换在图像修复领域中的应用,并且在图像纹理的修复以及在结构部分的填充都有较好的效果。

采用TV及纹理合成技术的分层图像修复

整体变分(TV)模型在图像修复中能够保持图像的边缘且数值实现方便,但在图像修复中对于人类视觉连通性的处理还有所不足。根据图像遗失或者损坏的不同类型,针对TV、CDD模型在图像修复中存在的问题,提出了一种结合TV、CDD模型及基于块的纹理合成算法的分层图像修复算法。实验结果表明,这种分层修复的方法在图像的结构修复和纹理修复两方面实现了较好的统一,而且在较大区域图像修复上表现出良好的效果。

CDD模型的PDE推导及其数值实现

CDD模型是在全变分(TV)去噪模型基础上发展而来的一个图像修复模型。对变分修复模型做一个综述,详细阐述CDD修复模型的构造过程,用变分法推导出与之相应的偏微分方程(PDE),并用半点中心差分法对该模型进行数值仿真。摘要:

改进的LB图像修复模型及其算法

针对格子波尔兹曼(LB)模型模拟图像修复过程,提出了一种基于P-Laplace算子的改进LB图像修复算法。该方法利用P-Laplace算子的非线性各向异性扩散性来填补受损区域,并且忽略了梯度对修复过程的影响。实验结果表明,改进后的LB修复模型,其修复效果比TV和CDD模型好;与LB模型具有相似的修复效果,却比它具有更快的修复速率,适用于苹果采摘机器人视觉系统中对树枝遮挡部分的修复、老照片修复,以及文字移除等领域。

基于格子波尔兹曼的图像修复模型研究

在研究格子波尔兹曼图像修复模型的基础上,提出了一种改进的模型,该模型通过引入调节函数,使图像在梯度变化较大的区域减弱其扩散强度,在梯度变化较小的区域增强其扩散强度,同时引入调节因子来控制其作用强度。实验结果证明改进后的模型具有更好的修复效果。

基于锥光全息法的非接触式测量中的方向滤波方法研究

针对锥光全息式非接触测量系统测得的具有良好的方向性特征的图像上存在大量散斑噪声的情况,对各种方向滤波方法进行了分析,提出了一种改进的平均曲率非线性扩散滤波方法。该方法利用图像平面的曲率进行扩散滤波,可以更有效地保持图像边缘,同时引入的线性变化因子大大加快了图像的滤波处理速度。实验证明,此算法能够很好地滤除噪声干扰,并满足锥光全息系统的测量实时性要求。