基于样本块的破损唐卡图像修复算法的改进

计算机应用 ›› 2010, Vol. 30 ›› Issue (4): 943-946.

基于样本块的破损唐卡图像修复算法的改进

卢小宝¹,王维兰²

1. 甘肃省兰州市西北民族大学
2. 西北民族大学

收稿日期:2009-10-22 修回日期:2009-11-26 发布日期:2010-04-15 出版日期:2010-04-01
通讯作者: 卢小宝
基金资助:
基于学习的唐卡图像修复系统模型研究

Improved exemplar-based inpainting algorithm for broken Thangka images

LU Xiao-Bao,weilan wang

Received:2009-10-22 Revised:2009-11-26 Online:2010-04-15 Published:2010-04-01
Contact: LU Xiao-Bao

摘要/Abstract

摘要： 基于样本块的修复算法由于能同时有效地修复图像的受损纹理和结构的优点被引入到唐卡图像的数字化保护中，而且它对特定破损唐卡图像修复效果良好，但是由于优先权计算和最佳样本块不唯一等问题的影响，算法对其他类唐卡图像修复效果不佳。针对此算法的不足，对信任度计算方法和等照线计算方法进行了改进，解决了最佳样本块不唯一的问题。实验结果证明，改进后的算法不仅能够得到令人满意的修复结果而且能够提高修复效率。

关键词: 唐卡, 图像修复, 优先权, 自信度, 最佳样本块

Abstract: The algorithm of exemplar-based image inpainting was introduced to the digital protection of Thangka image due to the advantage that can repair the broken structure and texture effectively at the same time. This algorithm is good at repairing the specific broken images of Thangka， but is not appropriate to other kinds of broken images. Hence, this paper proposed two aspects of improvement for the deficiencies of exemplar-based broken Thangka image inpainting: the improvement of computing method of confidence and the improvement of computing method of isophote intensity. The problem that optimum exemplar block is not exclusive has been solved. The experimental results show that the improved algorithm can not only get a satisfied inpainting result but also improve repairing efficiency.

Key words: Thangka, image inpainting, priority, confidence degree, optimum exemplar block

卢小宝王维兰. 基于样本块的破损唐卡图像修复算法的改进[J]. 计算机应用, 2010, 30(4): 943-946.

LU Xiao-Bao weilan wang. Improved exemplar-based inpainting algorithm for broken Thangka images[J]. Journal of Computer Applications, 2010, 30(4): 943-946.

[1]	冯浪, 张玲, 张晓龙. 基于扩张卷积的图像修复[J]. 计算机应用, 2020, 40(3): 825-831.
[2]	王肖, 魏嘉旺, 袁玉波. 基于特征部位圆形域的人脸图像修复方法[J]. 计算机应用, 2020, 40(3): 847-853.
[3]	袁琳君, 蒋旻, 罗敦浪, 江佳俊, 郭嘉. 基于生成对抗网络的人像修复[J]. 计算机应用, 2020, 40(3): 842-846.
[4]	杨文霞, 王萌, 张亮. 基于密集连接块U-Net的语义人脸图像修复[J]. 计算机应用, 2020, 40(12): 3651-3657.
[5]	杨文霞, 张亮. 基于图像结构纹理分解及局部总变分最小化的图像修复模型[J]. 计算机应用, 2018, 38(8): 2386-2392.
[6]	杨文霞, 张亮. 基于对数函数的非局部总变分图像修复模型[J]. 计算机应用, 2018, 38(6): 1784-1789.
[7]	孟红月, 翟东海, 李梦雪, 曹大命. 参照四邻域裁剪样本的图像修复算法[J]. 计算机应用, 2018, 38(4): 1111-1116.
[8]	曹大命, 翟东海, 孟红月, 李梦雪, 冯炎. 基于先验约束和统计的图像修复算法[J]. 计算机应用, 2018, 38(2): 533-538.
[9]	林金勇, 邓德祥, 颜佳, 林晓英. 基于自适应相似组稀疏表示的图像修复算法[J]. 计算机应用, 2017, 37(4): 1169-1173.
[10]	邹玮刚, 周志辉, 王洋. 基于非降采样轮廓波变换的图像修复算法[J]. 计算机应用, 2017, 37(2): 553-558.
[11]	李梦雪, 翟东海, 孟红月, 曹大命. 划分特征子区域的图像修复算法[J]. 计算机应用, 2017, 37(12): 3541-3546.
[12]	黄业文, 邝神芬, 杨荣领, 杨春侠. 非强占有限优先权M/G/1排队系统[J]. 计算机应用, 2016, 36(7): 1779-1783.
[13]	王佳君, 喻强, 张晶晶. 基于先验置信传播的图像修复改进算法[J]. 计算机应用, 2016, 36(4): 1115-1119.
[14]	何埜, 李光耀, 肖莽, 谢力, 彭磊, 唐可. 基于深度信息的图像修复算法[J]. 计算机应用, 2015, 35(10): 2955-2958.
[15]	翟东海左文杰段维夏鱼江李同亮. 基于双十字曲率驱动扩散模型的图像修复算法[J]. 计算机应用, 2013, 33(12): 3536-3539.