基于结构张量的图像修复方法

doi:10.3724/SP.J.1087.2011.02711

计算机应用 ›› 2011, Vol. 31 ›› Issue (10): 2711-2713.DOI: 10.3724/SP.J.1087.2011.02711

基于结构张量的图像修复方法

刘奎^1,2,苏本跃²,赵晓静²

1.合肥工业大学计算机与信息学院, 合肥 230009
2.安庆师范学院计算机与信息学院,安徽安庆 246011

收稿日期:2011-05-03 修回日期:2011-06-07 发布日期:2011-10-11 出版日期:2011-10-01
通讯作者: 刘奎
作者简介:刘奎(1975-),男,安徽安庆人,讲师,博士研究生,主要研究方向:知识工程、数字图像处理;苏本跃(1971-),男,安徽芜湖人,教授,博士,CCF高级会员,主要研究方向:数字图像处理、视觉计算;赵晓静(1978-),女,安徽安庆人,讲师,硕士,主要研究方向:数字图像处理。
基金资助:
教育部博士点基金资助项目(20070359014);安徽省高校优秀青年教师资助计划项目(2007jql121)

Image inpainting method based on structure tensor

LIU Kui^1,2, SU Ben-yue², ZHAO Xiao-jing²

1.School of Computer and Information, Hefei University of Technology, Hefei Anhui 230009, China
2.School of Computer and Information, Anqing Teachers College, Anqing Anhui 246011, China

Received:2011-05-03 Revised:2011-06-07 Online:2011-10-11 Published:2011-10-01

摘要/Abstract

摘要： 针对传统各向异性扩散方程在修复图像时仅考虑梯度模的大小,且在修复彩色图像时易产生虚假边缘等缺陷,提出基于结构张量的图像修复方法。将结构张量作为各向异性扩散方程的扩散系数,实现在不同区域有不同的扩散方式。实验结果显示:该方法与整体变分(TV)和BSCB方法相比,提高了图像修复效果,有效地完成对于彩色图像的修复。

关键词: 图像修复, 结构张量, 偏微分方程, 各向异性扩散

Abstract: Because the traditional anisotropic diffusion equation for image restoration only considers the gradient size, and produces false edges in color image inpainting, this paper proposed an image inpainting method based on structure tensor. Structure tensor was used as diffusion coefficient which can implement different diffusion processes in different regions. The experimental results show that the new method, in comparison with Total Variation (TV) and BSCB methods, improves the image inpainting results, and effectively inpaints color images.

Key words: image inpainting, structure tensor, partial differential equation, anisotropic diffusion

中图分类号:

刘奎苏本跃赵晓静. 基于结构张量的图像修复方法[J]. 计算机应用, 2011, 31(10): 2711-2713.

LIU Kui SU Ben-yue ZHAO Xiao-jing. Image inpainting method based on structure tensor[J]. Journal of Computer Applications, 2011, 31(10): 2711-2713.

[1]	邓凯丽, 魏伟波, 潘振宽. 改进掩码自编码器的工业缺陷检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2595-2603.
[2]	黄巧玲, 郑伯川, 丁梓成, 吴泽东. 融合监督注意力模块和跨阶段特征融合的图像修复改进网络[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 572-579.
[3]	沈万里, 张玉金, 胡万. 面向图像修复取证的U型特征金字塔网络[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 545-551.
[4]	陈刚, 廖永为, 杨振国, 刘文印. 基于多特征融合的多尺度生成对抗网络图像修复算法[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 536-544.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	周尚波, 王李平, 尹学辉. 分数阶偏微分方程在图像处理中的应用[J]. 计算机应用, 2017, 37(2): 546-552.
[15]	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.

基于结构张量的图像修复方法

Image inpainting method based on structure tensor

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