一种改进的基于块的图像修复算法

在研究Criminisi算法的基础上,针对Criminisi算法修复顺序不可靠、采用固定大小的样本块模板尺寸以及在修复过程中容易产生误差累积等缺点,提出了一种改进的图像修复算法,该算法结合改进的优先项函数、根据梯度信息自适应选择模板大小等方法。实验结果表明,该算法易于实现,与Criminisi算法相比,能够取得更好的修复效果。     

基于图像分块和改进Criminisi算法的图像修复方法

图像在采集和传输过程中,由于多种因素的干扰,图像会受到一定的损伤,导致图像质量下降。针对目前图像修复方法存在修复时间长,修复效果有限等不足,提出基于图像分块和改进Criminisi算法的图像修复方法。首先将原始图像划分为多个子块,然后采用Criminisi算法对每一子块图像进行修复,并针对传统Criminisi算法存在的局限性进行相应的改进,最后通过具体的图像修复实验分析所提方法的有效性和优越性。结果表明,所提方法减少了图像修复时间,可以加快图像修复的速度,图像修复后的质量要远优于对比方法,是一种速度快、效果好的图像修复方法。     

目标移除的Criminisi图像修复算法

待修复区域标记、优先权、最佳匹配模块的搜索及填充和更新置信度是Criminisi图像修复算法的4个重要组成部分,每一部分对Criminisi算法的图像修复结果都有不可忽视的作用.针对大目标移除的Criminisi图像修复,从数学的角度优化待修复区域标记和提高优先权可信度,并将蝙蝠算法运用到最佳匹配模板搜索中,提高修复效率.实验表明:本文改进的算法能够有效的减少错误信息的累积,具有较好的实用性.     

基于模式相似性的图像修复算法

图像修复是一种去除图像中多余可视物体并用合理的纹理填充未知区域的技术。针对Criminisi等人提出的基于样本的图像修复算法在寻找匹配块时存在的一些不足,提出一种基于模式相似性的修复算法。该算法使用样本纹理的亮度变化和空域特性作为寻找匹配模块的约束条件。实验结果表明该方法在修复强结构纹理图像时有很好的效果。     

基于边缘缺失重构和改进优先权的壁画图像修复

敦煌壁画图像线条纹理结构复杂、轮廓边缘缺失,采用Criminisi算法修复时存在结构传播错误和块效应问题.因此,提出了一种基于边缘缺失结构重构和改进优先权的壁画图像修复算法.首先,通过改进的自适应贝塞尔曲线重构破损壁画缺失的边缘轮廓,以增强壁画的结构性,引导图像修复.然后,引入梯度、曲率等局部特征先验信息对优先权函数进...     

基于自适应模板和置信度更新的图像修复算法

去除图像背景中的部分目标,是图像修复技术应用之一。为了修补去除目标后留下的大面积空白区域,文中在基于样本图像修复方法的基础上,引入了自适应思想。首先利用Canny算子检测图像的边缘,再根据图像边缘特征自适应地改变模板块的大小;为了避免误差的累积传递,提出了新的置信度更新方法,使更新后的置信度与累积误差成反比。实验结果证明,文中方法比原方法能更好地修复图像边缘、复杂纹理,并且保留边角,使效果更自然。     

基于改进匹配区域的虚拟化图像修复算法

本文对图像修复领域中的Criminal算法及其存在的问题进行了介绍,提出了对匹配区域与匹配块的改进方法。对邻域相关性模块中存在的优先级问题进行了改动,并在修复过程中,根据领域信息使样本快能自动调整大小,以适应不同结构不同纹理的图像。在模块相似性计算中融入颜色直方图,提高匹配的准确性。经过实践表明,改进后的纹理合成算法比Criminisi算法有更好的修复效果,更符合人物视觉系统的特征。     

基于分形的图像修复算法

 图像修复是目前图像处理领域中的一个研究热点,对于较大孔洞的修复一直是个难点问题,已有算法都未能很好地解决.本文基于分形相关理论,提出了一种新的修复算法,很好地利用了图像的整体信息.论述了分形维数和分形编码序列块大小之间的关系,提出多尺度的分形编码及重构的修复方法.为了强化图像细节信息,进行了分形局部迭代.为了提高图像修复的质量,将图像进行了分形放大,再进行分形插值修复.从实验结果可以看出,新方法取得了较好的修补效果,尤其是对纹理图像和有较大孔洞的图像效果更好.     

基于局部特性的图像修复算法

在研究基于样本块的图像修复算法的基础上,针对填充顺序不可靠、样本块模板窗口大小选取不当和修复效率低等缺点,提出了一种基于局部特性的图像修复算法。算法结合图像的局部梯度特性和局部相似性特征,通过对数据项增加补偿系数和加大其权重,保证图像的结构连通性;根据图像梯度信息,决定样本块模板窗口大小,减少错误衍生和块效应现象;利用置信度项值自适应选取局部搜索空间大小,提高修复效率,减少误匹配。实验结果表明,本文算法能很好地保持破损区域的纹理和结构特性。     

基于加权优先级和分类匹配的图像修复方法

待修复像素优先级的计算及最佳匹配块的确定是基于纹理合成图像修复方法的两个基本环节,传统方法不仅难于确定优先级计算中的置信度,而且难于搜索到最佳匹配块.提出了一种基于加权优先级和分类匹配的图像修复方法,该方法在优先级模型中,引入指数函数和正规化函数分别优化置信度和数据项,使得计算的优先级更加客观,从而使修复顺序更加合理.基于此,将结构信息作为搜索匹配块的一个度量因子,采用分类筛选方式,选取最佳匹配块.实验结果表明,所提方法在获得良好修复效果的前提下缩短了修复时间.     

Exemplar-based image inpainting using adaptive two-stage structure-tensor based priority function and nonlocal filtering

For the exemplar-based image inpainting problem, the filling order and local intensity smoothness are two crucial factors that should be considered carefully. This work gives a new exemplar-based image inpainting method, preventing geometric structures from being destroyed and reconstructing textures well to obtain elegant-looking outputs. For a better filling order, we define a new adaptive two-stage structure-tensor based priority function. To promote the local intensity smoothness, we adopt a non-local way, and at the same time, propose a weighted filter based on a Gaussian-like function to generate the ideal filling patch by combining non-local patches. We compare the proposed method with some recent state-of-the-art image inpainting approaches on different tasks, such as texture and structure synthesis, object removal, and remote sensing images inpainting. Experimental results demonstrate the superiority of the proposed method, both visually and quantitatively.     

Hybrid error concealment method combining exemplar-based image inpainting and spatial interpolation

This paper proposes an efficient error concealment method for the reconstruction of pixels that are lost in video communication. The proposed method is developed by combining exemplar-based image inpainting for patch reconstruction and spatial interpolation for pixel reconstruction using adaptive threshold by local complexity. By exemplar-based image inpainting, regions with regular structures are reconstructed. For complex regions with irregular structures, just one pixel is reconstructed using the proposed spatial interpolation method. The proposed spatial interpolation method performs reconstruction by selecting adaptively directional interpolation or neighbor interpolation based on gradient information. Simulation results show that the proposed hybrid method performs reconstruction with significantly improved subjective quality compared with the previous spatial error concealment and image inpainting methods. The proposed method also gives substantial improvements of PSNR compared with the previous methods.     

基于分形的数字图像修补算法

针对传统图像修复方法中搜索范围局限于待修复图像源区域的问题,提出了一种新的基于分形的数字图像修复算法,首次将分形理论应用于图像修复领域,利用图像的自仿射性(或自相似性)对破损图像进行修复。首先,在图像的源区域中选取定义域块,经仿射变换后建立码本;然后,从码本中查找待修复块的最佳匹配块,同时为了加快查找速度,降低计算复杂度,采用了基于方差和内积的快速搜索算法来提高修复效率;最后,用查找得到的最佳匹配块对待修复块进行填补。提出了一种改进的优先值计算方法,在计算优先值时加大置信度的比重,从而可以加强搜索匹配过程中的约束,使得修复过程总体按照"剥洋葱"的顺序进行,同时兼顾线性结构的延伸。实验结果证明,与传统修复方法相比,本算法不仅提高了修复质量,同时也提高了修复效率。     

强化边缘结构分辨的分段自适应图像修复

针对Criminisi算法对边缘纹理分辨不足、无法识 别图像局部区域的直线和曲线的特征以及通过颜色进行块匹配而造成修复效果失真等问题, 提出一种局部特征与边缘纹理分辨相结合的分段自适应图像修复 算法。首先在分段自适应图像修复算法的优先权中引入边缘分辨因子和特征判断因子,增强 对边缘、局部 区域的直线和曲线的分辨能力,克服破损边缘不合理的修复顺序;其次在块匹配准则中引入 特征项,提高 样本块的匹配准确率,避免块匹配的颜色匹配不足;然后采用分段自适应算法进行置信项更 新,解决置信 项快速趋于0的问题;最后采用主客观的评价体系对图像修复质量进行评价。评价结果显示 分段自适应图 像修复算法的图像修复质量优于其他算法,信噪比和峰值信噪比的评价值均提高在 0~3.8之间;在结构相 似度的优化程度上提高了0~0.7%。实验结果证明,分段自适应图像修 复算法有效地修复了破损图像,获得较好的图像视觉效果。     

基于结构分量和信息熵的Criminisi图像修复算法

针对Criminisi图像修复算法中优先级计算易受 图像纹理影响的问题,提出了改 进的基于图像结构分量的优先级函数。首先采用变分分解模型,将待修补图像分解为结构分 量和 纹理分量;其次基于结构分量计算数据项,排除纹理的影响;然后在优先权函数中 引入度量像素块复杂度的信息熵,将像素块中除了中心点之外其它位置的结构信息 融 入到优先权的计算中,使修补次序进一步向结构丰富的像素块倾斜;最后将优先权函数 表 示为置信度、数据项和信息熵的加权和,以解决传统Criminisi算法优先权随着置信度 迅速 下降为零而造成修复次序出现偏差的不足。新的优先权函数排除了像素块中在计算数据项时 纹 理的影响,并且融合更多的结构信息,使修复次序更加准确。实验结果表明,对于 不 同的人工图像和自然图像,本文模型都能取得较为满意的修复结果。     

一种基于全变分模型的图像修复改进算法

为了恢复图像中划痕、文字等小目标去除后丢失的相关信息,对全变分(TV)模型及其自适应算法进行了分析和改进。在Chan提出的图像修复原则的基础上给出了两个阈值参数,对原有算法中的权值系数进行了改进。仿真实验结果表明,本文算法在保证原有算法修复效果的同时能够有效地提高运算速度,取得了较好的实际效果。     

基于MSFM的快速图像修补算法

近年来,基于非线性高阶偏微分方程的高质量图像修补算法已经得到了发展,但这些方法需要大量的迭代,时间开销大,复杂度高.Telea提出的基于FMM的修补算法可以快速完成修补,但存在行进方向和边缘信息保持的问题.对此进行了改进,采用MFM方法,并引入扩散张量.实验结果表明提出的方法可以达到较高的质量,而且速度快.     

An efficient forgery detection algorithm for object removal by exemplar-based image inpainting

As a popular image manipulation technique, object removal can be achieved by image-inpainting without any noticeable traces, which poses huge challenges to passive image forensics. The existing detection approach utilizes full search for block matching, resulting in high computational complexity. This paper presents an efficient forgery detection algorithm for object removal by exemplar-based inpainting, which integrates central pixel mapping (CPM), greatest zero-connectivity component labeling (GZCL) and fragment splicing detection (FSD). CPM speeds up suspicious block search by efficiently matching those blocks with similar hash values and then finding the suspicious pairs. To improve the detection precision, GZCL is used to mark the tampered pixels in suspected block pairs. FSD is adopted to distinguish and locate tampered regions from its best-match regions. Experimental results show that the proposed algorithm can reduce up to 90% of the processing time and maintain a detection precision above 85% under different kinds of object-removed images.     

一种基于Poisson方程的分离型图像修复方法

图像修复是一种恢复图像中损坏部分的技术,具有广泛的应用.基于采样复制的修复方法对纹理图像有较好的效果,但容易产生块效应,而且对结构信息的修复可能产生较大的偏差.本文提出了一种基于Poisson方程的分离型修复算法,首先将原图分解为结构图像和纹理图像两部分,然后根据其特件分别进行修复,叠加后得到最终的修复结果.对结构图像使用Laplacian算子强化结构信息,然后对Laplacian场进行修复并使用Poisson方程重建,可以同时保持锐利的区域边界以及平滑的区域背景.实验表明该方法可以有效改善修复的视觉效果,对大区域修复也有良好的表现.