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。

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.

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。

非纹理图像修复的非线性扩散方法

目的在分析经典的非纹理数字图像修复方法的基础上,提出用三阶非线性扩散方法修复非纹理图像。方法考虑将等照度线的曲率作为一个控制传导率的因素引入非线性扩散方程与梯度特征相结合,实现图像修复。结果相比于BSCB方法,具有数学处理上的统一性,简便易于实现;相比于CDD算法,能够在短时间内更好地修复污损区域。结论适合于修复非纹理灰度和彩色图像。

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。

采用曲率驱动的自适应图像修复算法

将曲率引入各向异性扩散(C&E)方程,提出一种自适应图像修复算法。通过引入自适应系数q,使模型能够根据图像边缘细节的多少自行选择不同的扩散方式,在图像边缘细节较多时使用曲率扩散与边缘静止相结合的模型,而在平坦区域使用曲率驱动与热扩散相结合的方程,使得修复时间缩短,修复效果更佳。实验表明,本文算法在修复速度和修复效果上都能更好地修复破损图像。

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。

基于腐蚀处理和多参数因子的CDD修复算法

针对曲率驱动扩散(CDD)修复算法迭代次数多、花费时间长及无法修复边界破损图像等问题,提出了一种基于腐蚀处理和多参数因子的CDD修复算法。对待修复图像的掩模进行腐蚀处理,从而避免因掩模过大造成的时间消耗。在曲率计算中引入自然对数指数因子,并在梯度模值计算中引入线性指数因子。通过调节不同指数因子中的参数值,避免了不合理的梯度模值、曲率值对扩散速度的影响。在曲率和梯度模值的计算中引入随迭代次数变化的自适应正提升参数,使受损区域能够被较好地修复。最后,根据边界破损的图像边界所处的位置加入相应的边界处理条件,解决了边界破损点无法得到修复的问题。仿真实验表明,改进后的CDD修复算法不但提高了图像修复速度,而且能够很好地修复边界有破损的图像。

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: