針對當前較多圖像修復(fù)算法主要通過對圖像塊進行方差和度量的方法來完成圖像修復(fù),忽略了圖像塊的顯著邊緣特性,使得修復(fù)圖像容易出現(xiàn)模糊效應(yīng)以及不連續(xù)效應(yīng)等不良現(xiàn)象,導(dǎo)致算法修復(fù)性能不佳的不足,提出了基于曲率約束因子耦合邊緣加權(quán)法則的圖像修復(fù)算法.首先,通過像素點的等照度線方向構(gòu)造曲率約束因子,對數(shù)據(jù)項進行約束,形成優(yōu)先級度量函數(shù),利用優(yōu)先級度量函數(shù)選取優(yōu)先修補塊;然后,利用像素點的均值之差構(gòu)造像素自相關(guān)模型,對樣本塊的大小進行了調(diào)整;最后,以樣本塊顯著邊緣為約束,構(gòu)造了邊緣加權(quán)模型,通過邊緣加權(quán)模型聯(lián)合SSD（sum of squared differences）模型建立了邊緣加權(quán)法則,對最優(yōu)匹配塊進行搜索,用于對待修補塊進行修復(fù).仿真實驗結(jié)果表明,與當前圖像修復(fù)算法相比,本文設(shè)計的圖像修復(fù)算法修復(fù)的圖像具有良好的視覺效果. 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 本文圖像修復(fù)算法設(shè)計
    1.1 選取優(yōu)先修補塊
    1.2 調(diào)整樣本塊大小
    1.3 搜索最優(yōu)匹配塊
2 仿真實驗分析
    2.1 不同算法修復(fù)效果對比分析
    2.2 不同算法量化測試對比分析
3 結(jié) 論


【參考文獻】：
期刊論文
[1]基于結(jié)構(gòu)分量和信息熵的Criminisi圖像修復(fù)算法[J]. 唐利明,譚艷婷,方壯,向長城,陳世強.  光電子·激光. 2017(01)
[2]樣本塊搜索和優(yōu)先權(quán)填充的弧形推進圖像修復(fù)[J]. 劉華明,畢學(xué)慧,葉中付,王維蘭.  中國圖象圖形學(xué)報. 2016(08)
[3]區(qū)別結(jié)構(gòu)和紋理的稀疏表示圖像修復(fù)算法[J]. 高飛,王佳君,喻強,張晶晶.  計算機工程. 2016(03)
[4]顯著邊緣直接引導(dǎo)的動態(tài)模糊圖像盲復(fù)原方法[J]. 付強,孫秀霞,劉樹光,徐嵩,彭軻.  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2016(01)
[5]基于多尺度分解的k鄰域隨機查找快速圖像修復(fù)[J]. 廖斌,蘇濤,劉斌.  電子與信息學(xué)報. 2015(09)
[6]塊關(guān)聯(lián)匹配與低秩矩陣超分辨融合的圖像修復(fù)[J]. 馬爽,談元鵬,許剛.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2015(02)
[7]利用平衡方法的非凸圖像修復(fù)[J]. 吳玉蓮,馮象初.  西安電子科技大學(xué)學(xué)報. 2014(05)
[8]一種基于蟻群優(yōu)化的顯著邊緣檢測算法[J]. 張志龍,楊衛(wèi)平,李吉成.  電子與信息學(xué)報. 2014(09)
[9]基于壓縮感知的稀疏度自適應(yīng)圖像修復(fù)[J]. 周亞同,王麗莉,唐紅梅.  鐵道學(xué)報. 2014(09)
[10]結(jié)構(gòu)相似度索引耦合最優(yōu)稀疏表示的大規(guī)模損壞圖像動態(tài)修復(fù)[J]. 耿衛(wèi)江.  科學(xué)技術(shù)與工程. 2014(25)



本文編號：3672782