基于分裂Bregman算法的全变差图像修复

图像修复是指对一副图像受损或缺失区域的图像内容的重建。全变差正则化是一个有效的恢复锋锐边缘图像的修复方法。本文重点研究了全变差正则化图像修复方法,并基于Bregman迭代正则化方法设计了其快速迭代求解算法。实验结果表明,基于分裂Bregman算法的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有较好表现。     

分数阶q-Laplace 全变差图像修补模型的增广拉格朗日算法实现

分数阶TV正则项已被广泛应用于图像处理领域,本文针对一类q-Laplace全变差图像修补模型,采用增广拉格朗日方法进行求解并设计了快速算法,数值实验表明本文所提出的算法对有文字遮挡和人工涂画痕迹的图像具有一定的修补作用。     

基于Contourlet变换和全变差的图像融合

针对基于小波和全变差的图像融合方法的缺点和不足,提出了一种基于Contourlet变换和全变差算子的含噪图像融合方法,这种方法在融合图像的同时,也对图像进行了去噪处理.首先对图像进行Contourlet变换,对得到的低频子带用分块主成分分析的方法进行处理,以估计传感器的退化算子,然后进行低频部分的融合;将高频系数归一化的全变差算子的模作为权因子进行高频部分的融合,以经Contourlet逆变换后得到的融合图像作为初始值,经过迭代演化,最终得到了去噪的融合图像.实验结果表明,该方法得到的图像视觉效果更好,信息熵更高.     

采用CDD模型的自适应图像修复算法

在CDD模型基础上,提出了一种自适应图像修复算法,引入在不同曲率选择不同修复模型的自适应系数q,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;引入在不同变化程度选择不同扩散方式的自适应系数p,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,而在平坦区,即小梯度时使用接近热扩散的方程,使得修复效果更佳.实验证明该算法在修复速度和修复效果上都要优于CDD模型.     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...     

基于改进的相关度的局部图像修复模型

TV模型在修复图像时对整个待修复图像进行迭代,文章提出了针对破损区域进行修复的局部修复模型,大大缩短了修复时间;并在有关改进方法的基础上,引入改进的相关度,使修复效果更好.实验结果表明,在迭代次数相同的条件下,该修复模型比TV模型和有关改进的TV模型的图像修复效果更好,所用时间更短.     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

基于全变差模型与卷积神经网络的模糊图像恢复

为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以实现图像去模糊操作。然后,建立CNN图像恢复优化模型,将经过TV正则化后的分块图像样本作为CNN输入,结合图像信噪比(SNR)增益阈值,通过训练获得图像恢复结果。实验结果表明,采用TV正则策略及CNN的卷积优化,能够满足不同图像模糊核类别和尺寸,以及不同噪声的图像恢复需求,有效提高模糊图像的复原性能。分别采用R-L算法、反向传播神经网络(BPNN)、生成对抗网络(GAN)和TV-CNN算法对5类图像样本集进行性能仿真。通过合理设置卷积核尺寸,相比于其他模糊图像恢复算法,TV-CNN算法能够获得更优的图像恢复质量,且能够有效应对不同模糊核尺寸和不同等级噪声所带来的图像恢复难的问题。     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

基于改进总变差模型的图像去噪算法

总变差模型(TV)是基于偏微分方程图像去噪模型中的经典模型,但去噪的过程中存在阶梯效应(块儿效应),使去噪后的图像显得很不自然,这是由于TV模型的分段平滑造成的.本文加入自适应系数,使其在平滑区域退化为类似于拉普拉斯算子的各向同性扩散,加快扩散速度,消除阶梯效应;在边缘位置,新模型沿切线方向扩算,抑制法线方向扩散,保持边缘.     

一种基于WMF-ACA的深度图像修复算法

针对RGBD相机由于硬件条件的限制,所获取的深度图像往往存在空洞与噪声的问题,提出一种彩色图像引导的深度图像空洞填补方法.对深度图像边缘区域采用基于局部直方图的加权模式滤波器(WMF)进行处理,在有效保留深度图边缘与细节的前提下,消除图像噪声.对深度图像非边缘区域采用一种异步元胞自动机(ACA)模型算法,根据邻域和迭代规则对深度图空洞进行填补,快速、准确地完成任务.在立体匹配数据集Middlebury上测试所提算法实现性能,实验结果表明:该算法的结构相似性(SSIM)与峰值信噪比(PSNR)更高,能够准确地填补深度图空洞,同时保持深度图边缘清晰.     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

一种基于总变分与显著性检测的红外与可见光图像融合方法

红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显著性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显著性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.     

基于乘数交替方向法的系统图像退化恢复方法

针对一般正则化方法不能有效解决非线性成像和高动态成像的系统退化恢复问题,提出一种非线性图像恢复方法,该方法利用乘数交替方向法解决双边全变差(bilateral total variation,BTV)模型的正则化项不平滑问题.建立包含复原图像的非线性最小二乘数据拟合项和BTV正则化项的目标函数;对目标函数进行优化;构建一套有效的乘数交替方向法(multiplier alternating direction method,MADM)求解提出的模型.利用峰值信噪比(peak signalto noise ratio,PSNR)和结构相似性度量(structural similarity index measurement,SSIM)评估图像恢复结果.对于非线性成像系统退化,提出的方法在PSNR和SSIM方面比基于TV(total variation)模型的方法分别提高4.5％和4.1％.对于高动态的成像退化问题,提出的方法获得的恢复图像PSNR值可达61.89 dB,相比其他方法,至少提高了2.9％.此外,该方法的运行时间也至少节省了26％,具有较高的计算效率.     

联合各向同性扩散和全变分模型的图像恢复模型

本文首先简单回顾了基于抛物型偏微分方程的图像恢复模型。在此基础上,提出了一个通过可变权重联合各向同性扩散和全变分模型的图像恢复模型,该权重参数依赖于图像曲面的几何特征。最后,通过数值实验论证了算法的有效性。