学位论文 > 优秀研究生学位论文题录展示

基于TV模型和纹理合成的图像修复算法研究

作　者: 彭啸
导　师: 黄茜
学　校: 华南理工大学
专　业: 信号与信息处理
关键词: 图像修复 TV模型 纹理合成 图像分解 优先权函数 交互掩膜
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 143次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像修复是图像处理领域的一个研究热点，在文物保护、影视特技制作、虚拟现实、视频错误隐藏和多余物体剔除等方面，有着很高的应用价值。基于非纹理的图像修复算法和基于纹理合成的图像修复算法是两类典型的算法。本文分析了这两类算法的优缺点，从以下几个方面进行了深入研究：首先，针对小面积缺损图像的修复问题，改进了基于整体变分(Total Variation)模型的图像修复算法。传统的TV模型修复算法对参数.的选取较敏感，且运算量较大。现提出一种自适应调节参数.和迭代停止阈值的多轮迭代的TV图像修复方法。在迭代初期选用较大的.和较大的迭代停止阈值，以致邻域信息扩散进去并使得迭代速度加快。在迭代后期，选取较小的.和较小的迭代停止阈值，使得锐利边界能够保持。该方法不仅能够有效地提高TV算法的稳健性，改善其修复效果，并能显著提高运算速度。其次，改进了基于纹理合成的图像修复算法。针对Criminisi算法优先权函数不准确等缺点，改进优先权函数，重新定义置信度项和数据项；另外，在搜索匹配阶段，通过引入块的色彩平均值，对所有待匹配样本块进行预筛选，这样不仅可以加快图像修复过程，也减少了修复误差。通过matlab仿真实验，改进算法的修复效果优于Criminisi算法。最后，基于纹理块采样方法，提出一种交互式的图像修复模式，通过设置“交互掩膜”将已知区域进一步细分为无关区域和样本区域，待匹配块只从样本区域提取数据。实验表明，该模式能得到令人满意的修复结果，同时节省了修复时间。最后，采用图像分解技术，将待修复图像分解成结构图和纹理图。结构图采用改进的TV模型修复算法进行修复，克服了对参数.的选取敏感的问题，保持了锐利的图像边界；纹理图采用改进的基于纹理合成的图像修复技术，图像的纹理细节得以保留，最后将结构图和纹理图叠加即得到最终的修复图像。实验表明，该算法在修复效果和峰值信噪比结果方面均优于原始算法。

全文目录


摘要  5-6
ABSTRACT  6-10
第一章 绪论  10-15
  1.1 图像修复的研究背景与意义  10-12
  1.2 图像修复算法的国内外研究现状  12-13
  1.3 本文工作以及论文结构安排  13-14
  1.4 本章小结  14-15
第二章 图像修复理论及方法  15-29
  2.1 图像修复理论  15-18
    2.1.1 认知心理学格式塔理论与图像修复  15-16
    2.1.2 图像修复的三大原则  16-17
    2.1.3 图像修复效果的评判标准  17-18
  2.2 基于非纹理的图像修复算法  18-23
    2.2.1 BSCB 修复模型  19-20
    2.2.2 整体变分(TV)修复模型  20-21
    2.2.3 曲率驱动扩散(CDD)模型  21-22
    2.2.4 基于快速行进法的图像修复  22-23
  2.3 基于纹理合成的图像修复算法  23-26
    2.3.1 图像纹理简介  23-24
    2.3.2 纹理合成技术  24-25
    2.3.3 基于纹理合成的图像修复  25-26
  2.4 算法分析与比较  26-28
  2.5 本章小结  28-29
第三章 改进的TV 模型图像修复算法  29-39
  3.1 TV 模型回顾  29-32
    3.1.1 建立TV 模型  29-30
    3.1.2 TV 模型的数值实现  30-32
  3.2 基于TV 模型的图像修复算法改进  32-34
  3.3 实验结果及比较分析  34-38
  3.4 本章小结  38-39
第四章 基于纹理合成的图像修复算法  39-54
  4.1 Criminisi 算法简介  39-40
    4.1.1 优先权的计算  39-40
    4.1.2 最佳匹配块的选择并填充  40
    4.1.3 置信度更新  40
  4.2 Criminisi 算法的不足  40-41
  4.3 改进的纹理合成的图像修复算法  41-47
    4.3.1 预备知识  41-42
    4.3.2 确定当前待修复图像块  42-45
    4.3.3 修复当前图像块中的未知像素点  45-47
    4.3.4 更新处理状态信息  47
  4.4 实验及结果对比  47-52
  4.5 交互式的纹理合成修复方法  52-53
  4.6 本章小结  53-54
第五章 基于图像分解的图像修复算法  54-62
  5.1 图像的分解  54-57
    5.1.1 图像分解模型  54-55
    5.1.2 图像分解的数值实现  55-56
    5.1.3 图像分解的实验结果  56-57
  5.2 图像分解的修复算法实现  57-58
  5.3 实验结果及对比分析  58-61
  5.4 本章小结  61-62
结论  62-64
参考文献  64-67
攻读硕士学位期间发表论文和取得的科研成果  67-68
致谢  68-69
附件  69

相似论文

  1. 基于纹理特征的视频编码技术研究,TP391.41
  2. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  3. 数字图像中文字移除和修复系统的设计和实现,TP391.41
  4. 基于样图的纹理合成算法研究,TP391.41
  5. 图像修复的关键技术研究,TP391.41
  6. 基于图像分割的视频纹理合成技术研究,TP391.41
  7. 数字图像修复研究,TP391.41
  8. 基于最小二乘法的非负矩阵分解算法及应用,O151.21
  9. 人耳识别若干算法研究,TP391.41
  10. 数字图像修复技术研究,TP391.41
  11. 用户指导下的多样图纹理合成算法研究及应用,TP391.41
  12. 基于样本和结构信息的大范围图像修复算法研究,TP391.41
  13. 基于软计算的数字图像修复算法研究,TP391.41
  14. 交互式肌肉体建模和体图解,TP391.41
  15. 图像边缘检测修复算法的技术研究,TP391.41
  16. 基于内容自适应的数字图像修复算法研究,TP391.41
  17. 基于X波段导航雷达海面回波图像的去噪和插帧修复研究,TP391.41
  18. 转导支持向量机在数据预测中的应用,TP274
  19. 基于SOM神经网络的图像修复,TP391.41
  20. 基于可编程GPU大规模虚拟场景实时绘制技术研究,TP391.41
  21. 基于样图的纹理合成算法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com