纹理图像智能修补关键技术研究

发布时间：2017-04-15 20:03

  本文关键词：纹理图像智能修补关键技术研究，，由笔耕文化传播整理发布。

【摘要】：随着计算机视觉技术的蓬勃发展,图像修复作为该领域的一个重要分支引起了广泛的关注。图像修复的目的是对有信息缺损的图像进行修补,使观察者无法察觉到图像曾经缺损或已被修复。包含丰富纹理信息的图像以其复杂的信号特征对图像修复提出了新的挑战。论文结合图像纹理的特点,从待修复区域提取、图像纹理修复和修复质量评价三个方面开展纹理图像智能修复的关键技术研究工作,对于图像特定对象去除、传输错误隐藏和特效制作等具有重要的理论参考意义。在待修复区域提取阶段,针对包含缺失信息的纹理图像提出一种由粗到精的缺损区域自动定位方法,以高斯滤波和阈值法获取粗定位曲线,并建立模糊Chan-Vese主动轮廓模型自动演化粗定位曲线至目标边缘。针对细粒度背景下的强对比度纹理修复区域提取问题,提出一种两通道目标纹理分割算法,将非线性扩散后的边缘与灰度特征作为图像特征通道,建立包含调整项与模糊因子的两通道纹理提取主动轮廓模型,并以具有较大差异的特征为主导项驱动曲线演化,实现对强对比度纹理的无监督提取。实验结果表明,算法较好的解决了包含多种缺损类型和目标纹理的图像特定区域提取问题。在图像纹理修补方法研究中,针对由样本块间像素值突变引起的块效应问题,提出一种结合块关联匹配与低秩矩阵超分辨的修补算法,增加相邻修复块在重叠区域的关联性约束,并引入带噪低秩矩阵填充算法保持修复图像的纹理与色彩变化连续性。针对图像修复中的结构不连贯问题,提出一种基于动态尺度块匹配的图像链式优化修复算法,以多尺度块匹配方式二次搜索目标候选块,建立基于块间关联匹配特性的优化修复模型并采用动态规划法求解,实现对图像的由外向内修复。实验结果表明,算法对多种自然图像的修复达到了令人满意的效果。针对修复图像质量评价问题,提出一种结合视觉关注机制和图像统计特性的修复质量客观评价方法。通过分析人类视觉特性,将修复质量评价问题转化为人眼对图像不同区域的注意力集中问题；依据视觉显著图和图像内在特征建立结构修复指标和纹理修复指标,并结合人眼的感知分层形成最终评价体系,完成对修复图像的客观评价。实验结果表明,评价算法与人眼主观评价具有较高的相关性。
【关键词】：纹理图像 智能修补 缺损提取 链式优化 图像质量客观评价
【学位授予单位】：华北电力大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-14
• 第1章 绪论14-29
• 1.1 研究背景与意义14-16
• 1.2 图像修补问题描述16-18
• 1.3 国内外相关研究动态18-26
• 1.3.1 待修复区域提取方法研究动态18-20
• 1.3.2 图像修补技术研究现状20-25
• 1.3.3 图像修补评价体系研究概况25-26
• 1.4 论文主要研究内容与创新点26-27
• 1.5 论文组织结构27-29
• 第2章 图像智能修补基本理论29-57
• 2.1 图像纹理基本知识概述29-30
• 2.2 图像纹理特征分析与目标提取模型30-42
• 2.2.1 纹理特征描述方法30-34
• 2.2.2 图像目标提取模型34-42
• 2.3 基于样本的图像大区域修补算法42-51
• 2.3.1 Criminisi算法42-45
• 2.3.2 交互式图像修复方法45-46
• 2.3.3 全局优化图像修复方法46-49
• 2.3.4 偏移量统计模型49-51
• 2.4 图像质量评价方法51-56
• 2.4.1 主观评价法51-53
• 2.4.2 客观评价方法53-55
• 2.4.3 考虑视觉特性的评价方法55-56
• 2.5 本章小结56-57
• 第3章 纹理背景下的待修补区域自动提取57-86
• 3.1 纹理图像特定区域提取概述57-58
• 3.2 基于模糊能量的纹理缺损区域自动定位58-69
• 3.2.1 缺损纹理图像特征分析58-60
• 3.2.2 缺损区域粗定位60-62
• 3.2.3 考虑模糊信息的缺损区域精确定位62-68
• 3.2.4 算法步骤描述68-69
• 3.3 细粒度纹理中的强对比度区域无监督提取69-78
• 3.3.1 两通道纹理特征提取70-73
• 3.3.2 结合调整项与模糊因子的纹理提取模型73-77
• 3.3.3 算法步骤描述77-78
• 3.4 实验结果与讨论78-85
• 3.4.1 纹理缺损区域自动定位实验分析78-81
• 3.4.2 强对比度纹理无监督提取实验分析81-85
• 3.5 本章小结85-86
• 第4章 考虑块关联特性的链式图像纹理修补86-113
• 4.1 图像纹理修补主要问题分析86-87
• 4.2 结合块关联匹配与低秩矩阵超分辨的图像修补算法87-96
• 4.2.1 图像块关联匹配修复算法87-90
• 4.2.2 带噪低秩矩阵填充的图像精修复90-95
• 4.2.3 算法步骤描述95-96
• 4.3 动态尺度块匹配约束下的链式优化图像修补算法96-106
• 4.3.1 图像块动态尺度搜索匹配策略96-101
• 4.3.2 考虑块关联性的图像逐层链式优化修复101-105
• 4.3.3 算法步骤描述105-106
• 4.4 实验结果与讨论106-112
• 4.4.1 基于块关联匹配与超分辨的图像修复实验分析106-109
• 4.4.2 考虑动态尺度块匹配的链式图像修复实验分析109-112
• 4.5 本章小结112-113
• 第5章 基于视觉关注度的图像修补质量客观评价113-135
• 5.1 图像修补质量评价问题分析113-117
• 5.1.1 图像修复存在的质量问题113-116
• 5.1.2 图像修复质量客观评价难点分析116-117
• 5.2 基于视觉关注度与图像统计特性的修补质量评价117-129
• 5.2.1 人类视觉机制特性117-120
• 5.2.2 基于视觉关注的修复图像感兴趣区域提取120-125
• 5.2.3 结合视觉关注机制与图像统计特性的修补质量评价125-128
• 5.2.4 算法步骤描述128-129
• 5.3 实验结果与讨论129-134
• 5.3.1 图像修复质量评价算法的性能分析129-133
• 5.3.2 图像智能修复全过程分析133-134
• 5.4 本章小结134-135
• 第6章 结论与展望135-137
• 6.1 全文总结135-136
• 6.2 未来工作展望136-137
• 参考文献137-147
• 攻读博士学位期间发表的论文及其它成果147-149
• 攻读博士学位期间参加的科研工作149-150
• 致谢150-151
• 作者简介151

【参考文献】

中国期刊全文数据库 前10条

1 栾绍峰,徐秉椿,俞昌;自动视觉检测织物缺陷的方法及其应用系统[J];电子技术应用;1999年04期

2 李政文;王卫卫;水鹏朗;;基于Mumford-Shah模型的参数估计和两阶段图像分割方法[J];电子学报;2006年12期

3 钱晓华;郭树旭;李雪妍;;基于Wasserstein距离的局部能量分割模型[J];电子学报;2010年06期

4 张立和;朱莉莉;米晓莉;;结合Gabor纹理特征的局域化多通道水平集分割方法[J];电子学报;2011年07期

5 王卫红;秦绪佳;;基于紧支径向基函数内插的图像修复算法[J];电子与信息学报;2006年05期

6 张志伟;马杰;夏克文;杨帆;;一种应用于图像修复的非负字典学习算法[J];光电子.激光;2014年08期

7 刘庚龙;檀结庆;;一种改进的整体变分图像修复方法[J];计算机工程与应用;2012年07期

8 廉晓丽;徐中宇;冯丽丽;晁玉忠;;一种新的基于偏微分方程的图像修复[J];计算机工程;2009年06期

9 王宇新;贾棋;刘天阳;李寒;郭禾;;遮挡物体移除与图像纹理修补方法[J];计算机辅助设计与图形学学报;2008年01期

10 杨筱平;王书文;;基于优先权改进算法的敦煌壁画复杂破损区域修复[J];计算机辅助设计与图形学学报;2011年02期

中国博士学位论文全文数据库 前3条

1 赵英男;Gabor滤波器在车辆检测和车型识别中的应用研究[D];南京理工大学;2004年

2 陈晓琳;基于视觉特征的图像质量评价技术研究[D];上海交通大学;2012年

3 吴金建;基于人类视觉系统的图像信息感知和图像质量评价[D];西安电子科技大学;2014年

中国硕士学位论文全文数据库 前5条

1 黄江林;基于稀疏表示的图像修复算法研究[D];安徽大学;2013年

2 杨卉;基于TV模型的用于图像修复的优化方法[D];电子科技大学;2013年

3 郭振锋;基于Graph Cuts的交互式图像分割[D];中南大学;2013年

4 陈通;基于Graph Cuts算法的交互式医学X线图像分割方法研究[D];北京交通大学;2014年

5 董丹超;基于最佳匹配的图像纹理合成方法研究[D];天津理工大学;2014年

  本文关键词：纹理图像智能修补关键技术研究，由笔耕文化传播整理发布。

本文编号：309130