方向性纹理图像的修复算法

自然图片和一些方向性纹理图像通常有污点或者希望去掉覆盖背景的一些目标,如果直接擦掉前景会留下一个“空洞”。针对这种强方向性纹理分布图像,提出一种修复算法去填充这些“空洞”。由于强方向性,算法通过在局部区域选择图像块以合成缺失的图像块。若缺失信息的图像块BT附近的为已知图像块BTN,沿着纹理/颜色分布的方向或者约束的方向搜索,可以找到与BTN最相似的块BSN,并用BSN附近的图像块BS去更新BT。在更新BT前,计算块与块之间边界的最小误差路径,以其为更新边界,以减小拼接的痕迹。最后文章给出了对不同的纹理图像修复的例子,以说明方法的有效性。

采用自适应块拼接的北极海冰SAR图像合成

针对北极SAR地面实况数据难以获取这一现状,提出一种新的北极海冰SAR图像及地面实况图合成算法。该算法充分利用SAR图像块之间的相关性,使得合成图像在保留海冰不均匀纹理和多尺度结构特性的同时,更加有效地逼近了真实海冰SAR图像。算法基于区域后验采样,首先根据图像块的相似度自适应选取待合成区域大小,得到最佳匹配块;其次求出相邻块边界的最小误差切割路径,实现无缝拼接,消除了人工瑕疵。通过真实海冰SAR图像的实验表明,相比现有的算法,新算法能够合成更加真实的海冰SAR图像及地面实况图,对实现北极海冰SAR图像分割和分类算法的客观评价有着积极的意义。

基于改进图像缝合技术的纹理合成研究

针对传统基于缝合的块匹配纹理合成中有时可能出现的明显不连续现象,对图像缝合技术进行改进。提出在最小误差边界分割方法中设置误差容忍度,追求路径累积误差最小的同时还限制路径经过误差较大的点,避免产生合成不连续现象。同时,在选择满足相似度限制的纹理块及缝合时采用多种形状边界区域。实验结果表明,改进方法能取得较好效果且不增加时间。

面向误差最小化的在线服务信誉度量

由于每个在线服务可以通过其自身的真实质量被客观比较,存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计,利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差,通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序,寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序,造成了该方法的计算困难,利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。