-
题名结合颜色和梯度信息的稀疏图像修复算法
被引量：8
- 1
-
-
作者
李志丹
和红杰
尹忠科
陈帆
-
机构
西南交通大学信号与信息处理四川省重点实验室
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2014年第9期2081-2093,共13页
-
基金
国家自然科学基金项目(60970122)
中央高校基本科研业务费专项基金项目(SWJTU09CX039
+2 种基金
SWJTU10CX09)
2014年西南交通大学博士研究生创新基金
中央高校基本科研业务费专项基金
-
文摘
现有基于稀疏性的图像修复算法仅利用颜色信息衡量样本块的相似度,易降低修复区域内结构部分的连通性及与邻域信息的连续一致性,同时在全局范围内搜索匹配块也增加了算法的运行时间.为解决上述问题,利用颜色与梯度模值信息度量样本块之间的距离,构造新的相似度以确定块结构稀疏度函数,利用块结构稀疏度确定填充顺序,同时构造新的匹配准则函数寻找匹配块;并利用块结构稀疏度值能够较好地反映样本块所处区域特征的特性,根据块结构稀疏度值自适应确定局部搜索区域大小.并通过实验验证在不同图像中颜色信息与梯度信息所占比例不同.实验结果表明,该算法较对比算法能够更好地保持结构部分的连贯性及与邻域信息的连续一致性,在峰值信噪比上至少提高1dB,并且算法速度提高4~11倍.
-
关键词
图像修复
梯度模值
结构稀疏度
相似度
局部搜索策略
-
Keywords
image inpainting
gradient norm
structure sparsity
similarity
local search strategy
-
分类号
TP333.35
[自动化与计算机技术—计算机系统结构]
-
-
题名基于邻域一致性的数字媒体视频图像超清修复方法
被引量：2
- 2
-
-
作者
夏弘睿
赵静
-
机构
马鞍山师范高等专科学校艺术设计系
-
出处
《太原师范学院学报（自然科学版）》
2022年第3期32-36,共5页
-
基金
安徽省2019年度高校优秀青年人才支持计划项目(gxyq2019193)
安徽省教学研究重点项目(2020jyxm1885).
-
文摘
数字媒体视频图像大多通过不同的监控设备截图获取,为清楚获取其中的相关信息,提出了基于邻域一致性的数字媒体视频图像超清修复方法,以实现超清修复.通过数字媒体视频图像样本块和其邻域中已知块的非零相似度设置鲁棒结构稀疏度;依据邻域关联因子与鲁棒结构稀疏度,获取优先修复样本块;按照鲁棒结构稀疏度确定待修复样本块尺寸、邻域一致性约束权重与搜索区域窗口尺寸;按照最小误差平方和准则,在搜索区域内寻找最相似匹配块;按照邻域一致性约束权重,获取匹配块的稀疏表示信息,在优先修复样本块内填充稀疏表示信息,完成数字媒体视频图像超清修复.实验证明:该方法可以在保持图像结构部分连贯性的同时,超清修复不同程度破损的数字媒体视频图像;在不同数字媒体视频图像破损百分比时,超清修复后的数字媒体视频图像的峰值信噪比较高,噪声抑制均方误差较低.
-
关键词
邻域一致性
数字媒体
视频图像
超清修复
结构稀疏度
误差平方和
-
Keywords
neighborhood consistency
digital media
video image
ultra clear repair
structural sparsity
sum of error squares
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于结构稀疏度的图像块分类方法
被引量：1
- 3
-
-
作者
程妮
-
机构
运城学院公共计算机教学部
-
出处
《现代计算机（中旬刊）》
2016年第6期71-74,共4页
-
基金
2014年运城学院教学改革项目(No.JG201429)
2016年运城学院教学改革项目(No.JG201628)
-
文摘
在传统的图像块分类方法中,利用局部方差可以将图像块划分为平滑块和非平滑块,但是对于非平滑块中包含的边缘块和纹理块,则不能有效进行区分。针对这一问题,提出一种基于结构稀疏度的图像块分类方法,根据图像块与其邻域的其余图像块之间的相似程度对图像块的局部特征进行辨识。仿真实验结果表明,该方法可以对平滑块、边缘块,以及纹理块进行有效区分。
-
关键词
结构稀疏度
相似度
图像块
分类
-
Keywords
Structure Sparsity
Similarity
Image Patch
Classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于样本错误匹配改进的图像修复算法
被引量：1
- 4
-
-
作者
何凤杰
郭中华
杜娟
裴希伍
-
机构
宁夏大学物理与电子电气工程学院
宁夏沙漠信息智能感知重点实验室
成都凯天电子股份有限公司
-
出处
《国外电子测量技术》
2018年第3期34-37,共4页
-
文摘
Criminisi算法对于含有复杂的纹理结构信息的图像,修复时会出现优先权不合理与匹配块匹配错误的情况。为此提出多样本块匹配的方法。对于优先权,为了使结构信息更先修复,把结构项改进为块结构稀疏度和邻域像素差异度的数值和。对于匹配块匹配不合理的情况,先使用块内距离与块间距离设定阈值,如果破损块与样本块之间的块间距离或者块内距离大于阈值,则用多块匹配的方法恢复当前破损块;否则,用传统的Criminisi图像修复算法修复。结果表明,使用此方法修复结果较好,符合人类视觉原理。
-
关键词
图像修复
结构稀疏度
邻域像素差异度
块内距离
块间距离
多块匹配
-
Keywords
image restoration
structural sparseness
neighborhood pixel difference
distance between the block
distance inner the blockl multi-sample block matching
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名不规则块的图像补全算法
被引量：1
- 5
-
-
作者
王心怡
翟东海
-
机构
西南交通大学信息科学与技术学院
西藏大学工学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2018年第9期1293-1304,共12页
-
基金
国家自然科学基金项目(61461048)
西藏自治区科技厅科技计划重点项目(Z2013B28G28/02)~~
-
文摘
目的目前在图像补全领域研究的重点和难点是补全具有复杂结构信息和丰富纹理信息的大破损区域的图像。传统的基于样本块的图像补全算法主要采用规则的模板块和匹配块来进行补全,补全过程中不能充分利用图像的结构或纹理的不规则信息,从而影响算法修复的精度和效率。针对这一问题,本研究提出一种基于不规则块的图像补全算法。方法在该算法中,首先利用结构稀疏度来区分图像的结构信息和纹理信息并基于结构稀疏度和置信度计算破损区域边界点的优先级,然后选择优先级最高的点构造规则模板块。对处于复杂结构区域的模板块,如果其邻域含有已知的结构信息,则膨胀该规则模板并利用其周围的结构信息来辅助构造不规则模板块。接下来,在图像完好区域内搜索与该模板块对应的匹配块,如果该匹配块的邻域包含有效的结构信息,则膨胀该匹配块并补充其周围的结构信息来完善该不规则匹配块。最后,利用该不规则匹配块补全破损区域。对于补全过程中块间接缝造成的视觉不连通问题,本研究利用图像的纹理信息来进行修饰。结果将本文算法与4种修复效果较好的算法(3种基于规则块的算法和1种基于局部敏感哈希的修复算法)进行对比,通过8组经典图像进行实例验证,采用客观评价指标峰值信噪比PSNR和主观视觉连通性进行评价,结果表明本文提出的算法峰值信噪比相较4种对比算法均有0 4 dB的提高,且在补全的精细度和视觉连通性方面有更佳的效果。结论本文算法在补全含有较复杂结构和丰富纹理的破损自然图像、壁画图像和目标物体移除上有较好的修复效果,普适性较强。
-
关键词
图像补全
结构稀疏度
不规则块
接缝修饰
局部一致性
自适应
-
Keywords
image completion
structure sparsity
irregular patch
seam rectify
local consistency
adaptivity
-
分类号
TP305.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于结构稀疏度和块差异度的目标移除图像修复
- 6
-
-
作者
张雷
康宝生
-
机构
运城学院公共计算机教学部
西北大学信息科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2018年第5期255-259,共5页
-
基金
国家自然科学基金项目(61272286)
陕西省自然科学基础研究计划项目(2014JM8346)
运城学院科研项目(CY-2016019)资助
-
文摘
针对目标移除修复方法中存在的修复顺序不合理以及错误匹配问题,提出一种基于结构稀疏度和块差异度的图像修复方法。首先,在优先权中增加块的结构稀疏度计算,使优先权不仅依赖于目标块的几何特征,而且可以反映其邻域特征,提高了对目标块所处区域特征的辨识度,从而使修复顺序更加合理。其次,定义目标块与样本块之间的差异度,并在此基础上定义新的匹配规则,不仅对已存在像素之间的相似程度进行衡量,而且对已存在像素与填充像素之间的差异程度进行衡量,从而有效防止错误匹配以及错误累积。实验结果表明,该方法可以有效提高图像的修复效果,使修复图像更加符合视觉一致性要求。
-
关键词
结构稀疏度
块差异度
目标移除
图像修复
-
Keywords
Structure sparsity
Patch diffcrcncc
Objcct rcmoval
lmagc inpainting
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于块结构稀疏度的自适应图像修复算法
被引量：45
- 7
-
-
作者
李志丹
和红杰
尹忠科
陈帆
仁青诺布
-
机构
西南交通大学信号与信息处理四川省重点实验室
西藏大学工学院计科系
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2013年第3期549-554,共6页
-
基金
国家自然科学基金(No.60970122)
中央高校基本科研业务专项基金(No.SWJTU09CX039
No.SWJTU10CX09)
-
文摘
现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB～1.2dB,并且提高算法速度3～7倍.
-
关键词
图像修复
块结构稀疏度
稀疏表示
邻域一致性约束
-
Keywords
image inpainting
patch structure sparsity
sparse representation
consistence of neighborhood
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Curvelet方向特征的样本块图像修复算法
被引量：11
- 8
-
-
作者
李志丹
和红杰
尹忠科
陈帆
-
机构
西南交通大学信号与信息处理四川省重点实验室
北京遥感信息研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第1期150-154,共5页
-
基金
国家自然科学基金(No.61461047
No.61373180)
+2 种基金
2014年西南交通大学博士研究生创新基金
中央高校基本科研业务费专项基金
四川省科技创新苗子工程(No.2014-048)
-
文摘
能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.
-
关键词
图像修复
方向特征
加权的颜色-方向距离
颜色-方向结构稀疏度
CURVELET变换
稀疏表示
-
Keywords
image inpainting
direction feature
weighted color-direction distance
color-distance structure sparsity
Curvelet transform
sparse representation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应非局部低秩的图像压缩感知重构算法
被引量：2
- 9
-
-
作者
赵辉
刘衍舟
黄橙
王天龙
-
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学图像与通信信号处理实验室
-
出处
《计算机工程与设计》
北大核心
2021年第4期1050-1057,共8页
-
基金
国家自然科学基金项目(61671095)。
-
文摘
针对传统非局部低秩的图像压缩感知重构算法忽略图像结构特征,导致图像重构效果不理想的问题,提出一种自适应非局部低秩的图像压缩感知重构算法,充分考虑图像自身结构特征和图像块间的强相关性。根据样本块的块结构稀疏度值设置阈值,自适应选取局部搜索窗口大小和相似块的数目;利用新的相似块匹配方法在给定搜索窗口内选取所需要的相似块,按列聚合成低秩矩阵;利用加权Schatten p-范数作为原始秩函数的逼近去求解矩阵秩最优化问题。实验结果表明,所提算法较对比算法在峰值信噪比和视觉效果上均有所提高,验证了其有效性。
-
关键词
非局部低秩
压缩感知
图像重构
块结构稀疏度
相似块匹配
-
Keywords
nonlocal low-rank
compressed sensing
image reconstruction
patch structured sparsity
similarity patch matching
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
