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。     

一种基于TV模型的快速图像修复算法

在研究TV修复算法的基础上,提出了一种快速修复算法.利用图像梯度的大小与方向信息对损坏像素直接加权合成,同时按照待修复点邻域内已知像素的梯度方差确定修复次序.实验证明快速修复算法显著减小了运算时间,并且修复后图像纹理更加清晰,达到了较好效果.     

基于三通道多小波紧标架的图像曲率修复模型

为解决正交小波域图像修复方法的现存小波 系数不能提供丢 失小波系数的充足信息问题,将曲率修复(CDD)模型扩展到非正交小波域,提出一种新的基 于三通道多小波 紧标架的图像CDD模型。进一步考虑到CDD模型的等照度线是按照直线连接的问 题,提出了一种新的CCD模型。新模型的修复在两个方向上进行,在法向上按照改进的曲率 函数进行修复, 在切向上实现输运机制。新模型结合了多小波紧标架分解技术和改进的CDD模型的 优势,利用标架域中 小波系数之间具有的冗余性对缺损的信息进行弥补,对现有CDD模型进行改进。给出了 有效的split Bregman 仿真算法,并采用不同的图像进行了仿真。实验结果表明,新模型对大面积缺损修复及噪声 抑制都具有良好 的修复效果,即使在大量小波系数丢失的情况下,也能保持图像的边缘结构等几何特征,大 大的改善修复质量。     

基于变分模型的梯度域色阶映射算法

针对梯度域动态范围压缩算法存在伪边缘以及局部细节扭曲等现象,提出了一种基于变分模型的梯度域色阶映射方法。首先,在梯度域内构造了一个既能够压缩图像的动态范围又能够保证边缘与细节信息的变分模型;其次,将Gibbs采样的思想引入到最速下降法,在求解变分模型最优解的同时有效地提高了无约束最优算法的收敛速度;最后通过改进的最速下降法得到变分模型最优解。实验结果表明该算法能够有效地去除光晕,得到细节保持完好的低动态范围图像。另外,改进的最速下降法保证了算法的实时性。     

一种基于TV模型的自适应图像修复方法

图像修复是数字图像处理的重要内容，可用于被损坏的图像和视频修复、视频文字去除以及视频错误隐藏等。基于TV模型的修复方法有较好的恢复效果，但对参数的选取比较敏感，且运算量较大。本文提出了一种基于TV模型的自适应图像修复方法，与原方法相比可以有效提高该算法的稳健性，并能显著的减少运算时间。     

基于图像分解的图像修复算法

针对传统变分模型在修复图像时易产生“阶梯效应”与细节模糊等问题,提出了一种基于图像分解的自适应二阶总广义变分和分数阶变分的图像修复算法。首先将待修复的目标图像分解为卡通部分与纹理部分,其中卡通对应目标图像的低、中频部分,因此利用抑制“阶梯效应”较好的二阶总广义变分模型对其进行修复;纹理对应其高频部分,因此利用对细节部分有增强效果的分数阶变分模型对其进行修复。由于文中所提到的修复模型均与线性鞍点结构下求取最优值的模型类似,因此在算法上均采用基于预解式的原始对偶算法对新模型进行求解。另外,为了取得更好的修复效果,文中设计了一个边缘指示算子来自适应地控制新模型的扩散,以更好地保护修复图像的边缘细节。实验结果表明:相比传统的TV、TGV修复模型,新模型的修复效果在主观视觉上显得更加自然,且在峰值信噪比与相关系数等客观评价指标上均有提高。     

基于数据驱动紧框架的含泊松噪声的图像恢复

首先提出了基于数据驱动紧框架的含泊松噪声的图像恢复变分模型。在该模型中,赋权的l2范数项作为保真项,包含数据驱动紧框架的l1范数项作为正则项。然后,又提出了解该模型的重新赋权的分裂Bregman算法。另外,又将所提出的模型与算法拓展应用到了含泊松高斯混合噪声的图像恢复中。最后,利用仿真实验以及PSNR指标对该模型的图像恢复效果进行评估,评估结果表明该算法可行、有效。     

一种基于TV-Stokes方程的图像修复算法

讨论使用TV-Stokes方程进行图像修复,通过把等照度线方向传输进入修复区域,用能量最小化模型和零散度条件,获得一个非线性的Stokes方程.一旦构造了等照度线,图像就以等照度线方向修复.     

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。     

基于图像融合的深度图像修复算法

针对目前大多数深度相机采集到的深度图像中含有大量噪点以及大面积的空洞问题,提出一种基于图像融合的深度图像修复算法。采用改进分水岭算法提取彩色图像中的边缘信息,基于KD树近邻算法依据深度图像的梯度信息提取分类信息,将彩色图像的边缘信息与深度图像像素点的分类信息相结合,得到精确地图像分类结果,再对融合后的每一类进行最小二乘法算法拟合空洞,修复深度图像中出现的大面积空洞问题。实验结果表明,该方法在对物体边缘处小面积空洞进行较为准确地修复的同时,能够对深度图像中存在的大面积空洞问题进行有效修复。     

基于空域图像局部多向梯度模的图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种基于局部多向梯度模的图像融合方法:先对源图像进行分块,然后用方向导数构造的多向梯度滤波器组对图像块进行多向梯度滤波,从而提取出不同方向的边缘特征,通过比较对应块图像总的梯度模的大小来判断属于清晰还是模糊的像素,以此达到融合图像目的。通过实验,证明了该方法简单、有效,对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

一种保留图像边缘信息的图像复原方法

针对图像复原的同时要求保留图像边缘信息的矛盾,利用图像的梯度模,提出了一种保留图像边缘信息的图像复原方法。本方法对图像修复的同时,具有保护图像边缘的作用。实验表明本方法在去除噪声和信噪比上取得了较好的效果。     

基于整体变分模型的图像修复算法仿真实现

为了提高受损数字图像修复质量,将整体变分模型用于图像修复。采用Matlab编程工具对修复过程进行了仿真实现,克服了直接求解偏微分方程的困难。发现随着迭代次数的增加,被修复区域接近原图质量,当受损区域较小且受损区域灰度梯度不大时,看不出明显的修复痕迹。仿真实验结果表明,该算法复原图像的视觉质量好,算法收敛快,特别适合于线状裂痕的图像修补。     

基于自适应扩散梯度矢量流的图像分割算法

为了提高活动轮廓分割图像的精度,解决传统活 动轮廓不能够收敛到深凹陷和弱边界对象分割效果不佳等问 题,提出了自适应扩散梯度矢量流(AD-GGVF)算法。首先,在外部力场中,使用基于分量的 归一化方法代替传统的基于矢量的归一化方 法,提高活动轮廓曲线进入深凹陷的能力;然后,将拉普拉斯算子分解为切向和法向分量, 并增加两个互相关的自适应权重 函数,使轮廓曲线能够根据图像的局部特征自适应调节扩散过程;最后,以分割结果的量化 误差为评价标准,和传统的活动 轮廓分割效果进行对比和分析。实验结果表明,本文算法针对两幅不同的弱 边界图像,量化误差分别降低到0.08和0.09,活动轮廓曲线能够收敛到深凹陷的底部;分割 效果较为准确。     

基于层叠滤波的快速图像恢复算法

在层叠滤波理论基础上,根据层叠滤波器的阈值分解和层叠性,提出了一种快速图像恢复算法。此算法在对层叠滤波进行计算机仿真实验时,能有效地提高图像恢复的效率,大大缩短图像恢复时间。     

基于小波域分类隐马尔可夫树模型的图像融合算法研究

本文介绍了一种基于小波域分类隐马尔可夫树（Classified Hidden Markov Tree Model,CHMT）模型的图像融合方法。这种方法利用了小波域的一种树形结构Markov链提取小波系数尺度之间的相关性,因而更好的反映了图像空域非平稳变化的特性,在图像融合的预处理阶段最大限度的滤除噪声。同时为配合预处理算法采用了梯度选取规则的融合算法,更好的提高融合后图像的质量。实验结果表明将隐马尔可夫树模型引入图像融合算法后,融合图像的峰值信噪比、信息熵、等效视数等性能指标明显改善。     

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。     

基于纹理复杂度的含噪模糊图像盲复原算法设计

传统的模糊图像盲复原算法的纹理复杂度高,降低了模糊图像的质量。为此,文中设计了基于纹理复杂度的含噪模糊图像盲复原算法。首先,分析含噪模糊图像的噪声特点,在保留原有图像信息的前提下计算垂直方向和水平方向的扩散系数,得到ADF在含噪模糊图像上的表达,完成含噪模糊图像的去噪预处理。通过建立含噪模糊图像的数学模型描述其退化过程,继而构建含噪模糊图像降质模型。最后,在纹理复杂度分析的基础上,完成奇异值分解检测和alpha通道的计算,通过合成操作实现含噪模糊图像的盲复原算法的设计。实验结果表明,相比于传统盲复原算法,在所提算法下,图像的纹理复杂度低,图像质量得以提升,且复原结果的误差较小,算法整体有效性较高。     

面向图像复原的广义岭估计模式法波前重构

为了提高自适应光学图像的复原效果,提出了一种面向图像复原的广义岭估计Zernike模式波前重构算法。首先,按照用时间换精度的思路,把广义岭估计引入自适应光学波前重构算法中。改善最小二乘估计的奇异性,抑制波前测量误差的放大。然后,引入迭代计算提高方程的解算精度,进一步提高点扩散函数(PSF)重建质量。最后,利用广义岭估计重建的PSF对降质图像进行复原实验验证PSF的重建质量。实验结果证明,广义岭估计PSF的复原效果比最小二乘估计PSF高约15%,更接近成像系统的光学衍射极,同时复原计算迭代次数也减少了35%。新算法重构的PSF在图像复原中有更好的图像重建效果。