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。

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。

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:

基于边缘优先填充的自适应深度图像修复方法

针对传统深度图像空洞修复方法引起的物体边缘扭曲、模糊以及修复较大空洞速度缓慢的问题,提出了一种基于边缘优先填充的自适应深度图像修复方法。该方法利用多通道检测提取RGBD图像边缘,经过去除空洞虚假边缘和无用细节信息处理,生成物体的显著性边缘;将此边缘引入到图像修复过程中,优先填充空洞区域的边缘位置,有效解决边缘模糊虚化问题,使修复后的深度图像边缘结构清晰;在曲率驱动扩散(Curvature Driven Diffusion, CDD)模型的扩散项中引入梯度引导函数,使模型在空洞的平坦区域和边缘区域自适应地选择不同的扩散方向和扩散强度,实现对较大空洞区域的准确填充。实验结果表明,所提方法在RGBZ数据集上与其他方法进行比较,峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Mean Structural Similarity, MSSIM)分别提高了8~13 dB、0.009 9~0.021 4,在提高迭代效率的同时有效修复了较大空洞,保持了较为清晰完整的物体边缘轮廓信息。

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。

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。