基于参考纹理与自身色彩的图像修复

doi:10.11772/j.issn.1001-9081.2014.06.1724

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1724-1726.DOI: 10.11772/j.issn.1001-9081.2014.06.1724

基于参考纹理与自身色彩的图像修复

杨苏¹,²,杨兆中¹

1. 西南石油大学石油与天然气工程学院, 成都 610500
2. 中南大学信息科学与工程学院, 长沙 410083

收稿日期:2013-12-06 修回日期:2014-01-25 发布日期:2014-07-02 出版日期:2014-06-01
通讯作者: 杨苏
作者简介:杨苏(1987-),男,河南濮阳人,硕士研究生,主要研究方向:数值模拟、数字图像处理;杨兆中(1969-),男,四川泸州人,教授,博士生导师,主要研究方向:数值模拟、油气田增产改造。
基金资助:
教育部高等学校博士学科点专项科研基金资助项目

Image inpainting using reference image texture and distress image color

YANG Su¹,²,YANG Zhaozhong²

1. School of Information Science and Engineering, Central South University, Changsha Hunan 410083, China
2. School of Petroleum and Natural Nas Engineering, Southwest Petroleum University, Chengdu Sichuan 610500, China;

Received:2013-12-06 Revised:2014-01-25 Online:2014-07-02 Published:2014-06-01
Contact: YANG Su

摘要/Abstract

摘要：

传统的图像修复工作仅仅利用破损图像本身的信息完成,破损面积较大并且结构比较复杂时,破损图像不能提供足够的信息导致修复效果不理想。针对这个问题提出了基于参考图像纹理与破损图像自身颜色的修复算法。该算法在图像库中通过图像检索智能筛选相似参考图像,并选择最优区域填充破损图像区域,利用参考图像样块与自身未破损区域的纹理信息保证修复边界的平滑性,再结合颜色迁移与扩展算法使破损图像修复区域与完好区域的色彩协调一致。实验结果表明新提出的修复算法使得图像修复区域过渡更加自然,能在视觉上有较好的效果。

Abstract:

While dealing with a target image of large damaged area and complex structure, the traditional image restoration algorithms cannot get sufficient information from it, leading to unsatisfactory repair effects. An algorithm based on the texture of reference image and the color of target image was proposed to overcome this defect. First, the suitable reference image was obtained by using intelligent search from similar images in image database and the template fill was performed on the damaged regions by selecting appropriate content from reference image. Then, the restored boundary was smoothed by the texture information of both reference image and target image. Color transfer and colorization was implemented to make the appearance of repaired part in accordance with its surroundings. The experimental results show that this approach can obtain better results and keep smooth region boundaries in visual effect.

中图分类号:

TP391.41

杨苏杨兆中. 基于参考纹理与自身色彩的图像修复[J]. 计算机应用, 2014, 34(6): 1724-1726.

YANG Su YANG Zhaozhong. Image inpainting using reference image texture and distress image color[J]. Journal of Computer Applications, 2014, 34(6): 1724-1726.

参考文献

[1]BERTALMIO M, SAPIRO G, CASELLES V, et al. Image inpainting[C]// Proceedings of the ACM SIGGRAPH 2000. New York: ACM Press, 2000: 417-424.
[2]CRIMINISI A, PEREZ P, TOYAMA K. Region filling and object removal by exemplar-based image inpainting[J]. IEEE Tranactions on Image Processing, 2004, 13(9): 1200-1212.
[3]LEE J, LEE D, PPARK R H. Robust exemplar-based inpainting algorithm using region segmentation[J]. IEEE Transactions on Consumer Electronics, 2012, 58(2): 553-561.
[4]LIU Y, CASELLES V. Exemplar-based image inpainting using multiscale graph cuts[J]. IEEE Transactions on Image Processing, 2013, 22(5):1699-1711.
[5]ZHAI D, XIAO J, YU J, et al. Image inpainting algorithem based on adaptive template[J]. , 2013, 33(10): 2891-2894. (翟东海,肖杰,鱼江,等. 基于自适应模板的图像修复算法[J].计算机应用,2013, 33 (10): 2891-2894).
[6]HAYS J, EFROS A A. Scene completion using millions of photographs[C]// Proceedings of the SIGGRAPH 2007. New York: ACM Press, 2007:87-94.
[7]KWATRA V, SCHODL A, ESSA I, et al. Graphcut textures: Image and video synthesis using graph cuts[J]. ACM Transactions on Graphics, 2003, 22(3):277-286.
[8]PEREZ P, GANGNET M, BLAKE A. Poisson image editing[J]. ACM Transactions on Graphics, 2003, 22(3):313-318.
[9]CHEN X, TAN J. Color block-histogram image retrieval based on difference degree of spatial distribution[J]. , 2013, 32(6): 1539-1543. (陈骍,檀结庆.基于空间分布差异度的分块彩色图像检索方法[J].计算机应用,2012, 32(6): 1539-1543).
[10]SWAIN M J, BALLAR D H. Color indexing[J]. International Journal of Computer Vision, 1991, 7(1):11-32.
[11]YAO X, BEIJI Z, HONG L. Selective color transfer with multi-source images[J]. Pattern Recognition Letters, 2009, 30 (7): 682-689.
[12]LEVIN A, LISCHINSKI D, WEISS Y. Colorization using optimization[J]. ACM Transactions on Graphics, 2004, 23(3): 689-694.
[13]WANG Z, BOVIKA C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13(4):600-612.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[6]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.
[7]	赵欣, 李鑫杰, 徐健, 刘步云, 毕祥. 基于卷积神经网络与Transformer并行的医学图像配准模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3915-3921.
[8]	颜承志陈颖钟凯高寒. 基于多尺度网络与轴向注意力的3D目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	王静刘嘉星宋婉莹薛嘉兴丁温欣. 基于空间变换和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	谢斌红剌颖坤张英俊张睿. 自步学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	邹耀斌, 张彬. 四向加权香农熵最大化导向的自动阈值分割方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3565-3573.
[13]	刘涛, 鞠事宏, 高一萌. 基于改进YOLOv8n的无人机视角下小目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3603-3609.
[14]	刘雨生, 肖学中. 基于扩散模型微调的高保真图像编辑[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3574-3580.
[15]	胡立华, 李小平, 胡建华, 张素兰. 基于四叉树先验辅助的多视图立体方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3556-3564.

基于参考纹理与自身色彩的图像修复

Image inpainting using reference image texture and distress image color

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics