自适应选取样本块大小的纹理合成方法

在传统基于样本块的纹理合成算法中,样本块的大小需要靠人工设定,或根据图像修复效果进行调节,缺乏自适应性。为解决上述问题,通过提取图像的相关纹理特征,提出一种样本块大小自适应选取方法。利用图像分解技术对图像进行预处理,利用图像灰度共生矩阵提取待修复图像的纹理特征,通过确定相关纹理特征与最优样本块大小的相互关系,实现了样本块大小的自动选取。仿真实验结果表明,利用文中方法自适应选取样本块大小,对自然图像能够获得理想的纹理合成效果。

采用区域分割的变尺寸样本块高效图像修复

针对现有的基于样本块的图像修复算法采用全局搜索法确定最佳匹配样本块时效率低,且易出现错误匹配块的问题,分析了影响算法效率和质量的原因,提出了基于区域分割的变尺寸样本块高效图像修复算法。首先,采用双线性收缩方法获得尺寸是待修复图像0.02~0.25倍的收缩图像,并在收缩图像中分割出预选区域作为源区域,使用自适应窗口尺寸调整规则确定修复窗口大小;然后,在预选区域中搜索最佳匹配修复块对图像进行修复。收缩图像修复完毕后,对收缩图像中修复不完全的区域采用分割子图像的方法进行修复;最后,将子图像填回到原始图像的修复区域,循环运行直到修复完毕。实验结果表明,采用本文提出的修复算法,修复效率约为现有算法的5~100倍,且具有较好的修复质量。

改进BSCB与样本块耦合的单板节子缺陷图像修补算法

分析了我国旋切单板生产过程中对单板节子缺陷挖补上存在的问题,提出了将图像修复理论、方法应用于单板节子表面缺陷图像的自动修补中,以提高旋切单板生产过程的自动挖孔补节智能化水平。针对BSCB算法在单板节子表面缺陷图像修复上存在的不足,提出了一种新的BSCB改进算法,使其在单板节子图像结构修复上得到比较好的效果。但是该算法对单板节子区域较大、节子周围纹理比较多的情况,修复效果不是很好。为此,又提出了将改进后的BSCB算法与基于样本块的图像修复算法相耦合的单板节子缺陷图像修复新方法,实现了对旋切单板节子缺陷图像的结构和纹理部分的修复,并通过数值实验验证了该方法的有效性。

基于样本块的破损唐卡图像修复算法的改进

基于样本块的修复算法由于能同时有效地修复图像的受损纹理和结构的优点被引入到唐卡图像的数字化保护中,而且它对特定破损唐卡图像修复效果良好,但是由于优先权计算和最佳样本块不唯一等问题的影响,算法对其他类唐卡图像修复效果不佳。针对此算法的不足,对信任度计算方法和等照线计算方法进行了改进,解决了最佳样本块不唯一的问题。实验结果证明,改进后的算法不仅能够得到令人满意的修复结果而且能够提高修复效率。

样本块匹配光栅投影阶梯标定方法

针对直接三角法为模型的光栅投影测量技术标定过程需要前后移动参考平板以获取标定平面的方法,提出一种改进的阶梯标定方法。该方法使用一个固定阶梯面作为标定板,将数字光栅投影到阶梯面后,再通过图像延拓的方法获得不同位置的参考平面条纹图,以获取标定平面,无需移动标定板即可实现标定过程,简化标定步骤和标定系统。实验结果表明:使用样本块匹配方法延拓获得的光栅条纹图边界衔接效果很好,视场均匀,延拓效果好;使用阶梯标定方法进行实际测量并获得三维结果,证明其实用可行。采用该方法克服传统标定方法需要移动参考平面的局限性,简化系统标定步骤,无需标定板移动装置,减少标定采集图像数量,扩大适用范围。

基于样本块的图像修补系统设计

图像修补技术已经广泛的应用于各个领域。为了寻找在编程中容易实现且能够对常规的局部受损图像进行快速修复的算法,研究了大量的算法,通过实验对比选择了一种基于样本块的图像修补算法,并做了改进,最后利用MATLAB语言开发了基于样本块图像修复系统。对该系统进行了测试,实验结果表明该系统对于局部受损的纹理图像和结构图像有很好的修复效果且修复速度比现有的图像修复系统更快、信噪比更高,特别对于移除障碍物后所造成的图像受损区域其视觉修补效果更佳,值得推广。

基于改进样本块匹配准则的数字图像修复方法

为解决以往数字图像修复方法存在的对图像潜在亮度敏感度高,修复后的图像存在变形差异的问题,提出基于改进样板块匹配准则的数字图像修复方法.采用Criminisi算法更好完成样板块配准,获取最佳目标匹配块;采用基于IG-GN算法的图像修复方法利用最佳目标匹配块,通过最小化ZNSSD相关准则实现数字图像修复,且修复过程可显著降低图像块之间的差异,保证图像块之间的纹理及结构特征.实验得到:该方法修复后的数字图像没有明显模糊区域和边界纹路,使修复后的图像更接近原图或者达到原图,修复效果好.

样本块双向匹配图像修补算法

为了解决基于样本图像修补算法的误匹配、结构断续等问题,提出了一种基于样本块的双向匹配图像修补算法。从待修补块中已知和未知两部分信息的邻域出发研究修补问题,引入匹配块中与待修补块中未知区域对应信息的一致性判定准则,提出待修补块优先级和最佳匹配块是由与待修补块中已知信息的相似性和与待修补块中未知信息邻域的一致性共同决定,更大限度地利用了图像的已知信息。该算法有效地解决了Criminisi算法的误匹配及结构断续问题以及Kawai算法的模糊问题,实验结果表明该算法是有效、可行的。

基于样本块修复的目标物移除方法

结合了常用的整体变分法和图像修补算法的特点,提出了一种从图像中移除不期望的目标物的方法。该方法根据已知的蒙板图像,将图像分为目标区域和源区域。首先计算目标区域边缘象素的优先级,确定目标象素点,然后在图像的源区域中寻找最佳匹配样本块,进行块填充,随着优先级的向内传播,目标物最终被移除,空缺部分被填充为较为理想的象素。实验结果表明,该方法能够有效地移除形状不一的大块目标物,同时对裂痕的修补也有着很高的效率,修复得到的图像自然真实。

基于样本块的图像修复方法的改进

基于纹理合成的图像修复算法适合大面积信息缺损区域的修复。基于Criminisi算法,通过对数据项的重新定义,从结构和纹理上对图像进行修复。改进算法在搜索最佳样本块时,考虑到样本块所含已知像素点的信息量对寻找最佳样本块的影响,构造了包含信息量的最优搜索式;为了平滑置信因子更新导致的误差传播,定义了基于曲率的置信因子更新方程。基于上述构造,经多次实验,改进算法得到合适参数,避免了明显冗余像素点的产生并使得纹理连接处连贯。

基于灰度熵的样本块图像修复算法研究

针对经典的Criminisi图像修复算法中出现与周围邻域像素不协调的块状效应,在深入研究边界像素点权值的基础上,提出了一种改进样本块图像修复算法。该算法引进灰度熵来改进优先权值计算方法 ,进而建立新的优先级修复序列,并在寻找最佳匹配块时考虑块修复后与周围邻域的连贯性。仿真实验表明,该算法在一定程度上弥补了经典Criminisi图像修复算法的不足。相比传统样本块图像修复算法,运行时间有所缩短,修复效果好、画面更和谐、自然,符合人类审美观。

基于样本块和BSCB模型的壁画裂缝修复方法

针对采用传统方法虚拟修复北齐墓葬壁画复杂裂缝效果较差的问题,以水泉梁北齐墓室壁画为例,提出了基于改进的BSCB(bertalmio sapiro caselles bellester)模型与样本块修复算法相结合的虚拟修复方法。首先直方图增强后用最大类间方差法(Otsu)获取裂缝;其次,结合使用连通域标记算法与开、闭运算分离裂缝;再采用改进的BSCB模型对所有裂缝进行修补;然后用基于样本块图像修复算法消除扩散修复痕迹;最后利用颜色提取、替换恢复前景色彩,获得裂缝最终修复结果。实验结果表明,该方法同时修复壁画纹理区域的大裂缝与相连于壁画结构的小裂缝时,既能保证修复区域的清晰度,又能连接破损边缘,还能恢复部分区域的色彩;相较于其他修复方法,在边缘连续性上至少提升15.90%。

基于改进样本块的数字图像修复算法研究

针对已有的基于样本块的纹理合成修复算法存在修复误差累积高的问题,重点研究了一种改进的基于样本块的数字图像修复算法。通过块匹配法与边缘驱动填充顺序的结合、全局搜索与局部搜索的结合,充分发挥修补过程中填充优先权的作用,有效地修补了图像受损区域的纹理和结构信息。仿真实验结果测试表明,与已有的传统算法相比,受损图像的修补更加完善,修复的误差累积得到了较好的改善。

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。

改进的基于样本块的图像修复方法

在研究Criminisi修复算法的基础上,提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征,自适应选取样本块大小,提高修复的速度;采用新的数据项,改进优先权公式,避免阶梯效应的产生;重新定义置信度的更新公式,引入曲率距离,减少因置信度更新而累计的误差,提高修复顺序的准确性。实验表明,改进的方法能够有效提高修复的效果,减少修复所需时间。

基于SSIM的自适应样本块图像修复算法

现有基于样本块的图像修复算法,大多通过人工设定样本块大小来达到最佳修复效果,缺乏自适应性;此外,对图像不同纹理和结构区域采用相同大小的样本块,也不利于获得整体最优修复效果.为解决上述问题,本文提出一种基于改进结构相似性的自适应样本块大小选取算法,在传统的SSIM算法的基础上增加了梯度信息,并通过结合样本块亮度、对比度和结构3个模块来衡量结构差异,以此确定不同结构和纹理区域的最优样本块大小,提高算法适应性,改善修复效果.仿真实验结果表明,当图像存在复杂的结构和纹理信息时,本文算法仍然能够获得理想的修复效果.

基于样本块的图像修补技术的改进

改进了一种基于样本块的修补算法,提出了将原本的整体范围搜索改为在用户指定的范围内搜索,最大可能地保证了合适的结构信息被填入,保障修补后的图像在视觉上的连贯性,从而有效提高了大范围破损图像的修补效果.同时,将样本块窗口原有的大小从固定改进为根据图像的实际情况大小可变,使搜索速度得到较大提高.将该算法应用于遥感图像,取得了良好的视觉效果.

改进的基于样本块的图像修复算法

目前传统的基于样本块的图像修复算法容易产生错误的匹配纹理块,从而造成视觉的不连续性、结构性强的图像的修复效果差以及不同纹理区域间边界信息处理模糊。针对这些问题,提出了一种改进的基于样本块的图像修复算法。首先加入曲率因子改进优先权计算方法,然后建立目标优先级队列,最后提出了基于矩阵相似度的样本匹配策略。通过对几个关键目标块匹配策略的改变,解决了纹理边界处理误差大,图像过渡不平滑等问题。

基于改进样本块的数字图像修复算法研究及GUI设计

针对现有基于样本块图像修复算法中修复块优先级判断不准确、界面操作复杂等问题,本文引入主体构造概念,同时利用图形用户界面GUI进行操作.本文算法以Matlab7.11为平台,通过人工操作选定修复区域,经高斯滤波,小波变换与边缘检测得到主体构造,进而判断优先级,最后采用样本块修复算法更新自信度,完成修复.实验结果表明,修复后图像峰值信噪比提高了10.5~11.07%,且操作过程简便,适用范围广泛.

基于样本块的图像修复方法

图像修复是图像处理的一个重要研究部分,图像修复方法是试图估计原图像信息,对破损区域进行修补和改善,提高图像视觉质量的技术。基于样本块的图像修复方法以修复速度快,处理效果好,且对破损面积较大的图像修复效果佳等显著优点,成为当前图像修复的热点方向之一。本文详细介绍了基于样本块图像修复方法的优缺点和改进方向,为研究者在图像修复上提供了相关的理论依据,同时也为图像修复方法创新提供了研究思路。文章最后给出了图像修复的发展方向,对深入学习图像修复方法具有重要的指导意义。