CN105719250B - 基于简单背景的图像修复方法、系统及拍摄终端 - Google Patents
基于简单背景的图像修复方法、系统及拍摄终端 Download PDFInfo
- Publication number
- CN105719250B CN105719250B CN201610033404.XA CN201610033404A CN105719250B CN 105719250 B CN105719250 B CN 105719250B CN 201610033404 A CN201610033404 A CN 201610033404A CN 105719250 B CN105719250 B CN 105719250B
- Authority
- CN
- China
- Prior art keywords
- gradient
- block
- image
- repaired
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008439 repair process Effects 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012549 training Methods 0.000 abstract description 3
- 230000037303 wrinkles Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于简单背景的图像修复方法、系统及拍摄终端,其通过对原始图像的待修复区域或完好区域进行标记和梯度计算,并对得到的梯度图进行分块得到梯度块,然后根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值,将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图,最后利用泊松方程将调整后的梯度图进行还原得到修复图;本发明无需训练样本,算法简单,处理速度快,并且修复效果更自然,特别适用于皮肤等类似的简单背景的图像修复。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种基于简单背景的图像修复方法及其应用该方法的系统、拍摄终端。
背景技术
随着数字图像处理技术的发展,填充图像中某些区域的缺失信息,或移除图像中某些区域仅保留需要的信息,使图像满足人眼视觉系统要求的工作成为研究热点。这种修补缺失信息或移除目标区域的图像处理技术称为图像修复。图像中信息缺失的区域或待移除的区域统称为图像中的待修复目标区域,图像中的其它区域称为信息已知区域。
现有技术中,对裂缝的图像修复一般通过求解偏微分方程或者纹理合成等方案,例如,Bertalmio提出一种基于信息传播的图像修复模型(参考BertalmioM.2000.Imageinpainting,ACM SIGGRAPH’00,pp.417-424,July2000),该模型利用偏微分方程(PartialDifferential Equation,PDE)的各向异性扩散特性沿边缘方向进行不同强度的扩散以修复待修复目标区域,Chan等在此研究基础上提出了总体变分(TotalVariation,TV)修复模型(参考Chan T.2001.The digital TV filter and nonlineardenoising,IEEE Trans.Image Process.,10(2):231-241,2001)以及CDD(CurvatureDriven Diffusion)模型(参考Chan T.2001.Non-textureinpainting by curvature-driven diffusions(CDD),J.Visual Comm.Image Representation,12(4):4736-449.),PDE修复模型基于图像几何特征通过计算像素间灰度差值各向异性将信息已知区域的信息向待修复的目标区域内扩散,从而实现图像修复。另外,Efros提出一类基于模块的纹理分析模型(参考Efros A.1999.Texture Synthesis byNon-parametric Sampling,IEEEInt.Conf.Computer Vision),与PDE修复模型相比,基于模块的纹理分析模型通过将模块中的已知信息复制到待修复目标区域,复原待修复的图像。
但是,采用上述直接求解偏微分方程修复的方法一般会使修复区模糊,而采用纹理合成的修复方法太依赖周围正确的纹理块样本而不太适合用于密集裂缝的情况,对于人脸皱纹等比较密集的纹理,上述两种方案都不适用。
因此,如何用图像修复的算法消除人脸皱纹便成了一个难题。
发明内容
本发明为解决上述问题,提供了一种基于简单背景的图像修复方法、系统及拍摄终端,无需训练样本,算法简单,处理速度快,并且修复效果更自然。
为实现上述目的,本发明采用的技术方案为:
首先,本发明提供一种基于简单背景的图像修复方法,其包括以下步骤:
10.对原始图像的待修复区域或完好区域进行标记,得到标记图;
20.对所述标记图进行梯度计算,得到梯度图;
30.对所述梯度图进行分块,得到梯度块;
40.根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
50.将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图;
60.利用泊松方程将调整后的梯度图进行还原,得到修复图。
优选的,所述步骤20中,对所述标记图进行梯度计算,进一步包括以下步骤:
21.在水平方向上,计算所述标记图中每个当前像素点的右边两个像素和与左边两个像素和之差,得到水平梯度值Tx;
22.在垂直方向上,计算所述标记图中每个当前像素点下面两个像素和与上面两个像素和之差,得到垂直梯度值Ty;
23.取水平梯度值Tx和垂直梯度值Ty之和作为当前像素点的梯度值T。
优选的,所述步骤30中,对所述梯度图进行分块,是根据原始图像的大小进行设置块的大小BlockSize,并根据设置的块的大小BlockSize将所述梯度图平均分成多个梯度块,每个梯度块的大小为BlockSize*BlockSize,所述的块的大小BlockSize的计算方法为:
BlockSize=max(3,min(25,min(height,width)*0.01))*2-1;
其中,height、width分别表示图像的高和宽,max表示两者之间的最大值,min表示两者之间的最小值。
优选的,所述步骤40中,计算每个梯度块对应的方差值,是指对所述梯度图中的完好区域的梯度块所对应的原始图像的原始块进行方差值的计算,同时,将待修复区域的梯度块的方差值设置为极大值。
优选的,所述步骤50中,将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,是根据标记获取所有的待修复区域的梯度块,然后遍历所有的待修复区域的梯度块,并利用当前的待修复区域的梯度块的周围八块中方差值最小的梯度块替代该当前的待修复区域的梯度块,同时也替代对应的方差值,最终得到调整后的梯度图。
优选的,所述步骤10中,所述原始图像是指人脸图像,所述待修复区域是指皱纹区域或者斑点区域;或者,所述原始图像是指天花板图像或墙壁图像或地板图像,所述待修复区域是指裂缝区域。
其次,本发明提供一种基于简单背景的图像修复系统,其包括:
标记模块,用于对原始图像的待修复区域或完好区域进行标记,得到标记图;
梯度计算模块,用于对所述标记图进行梯度计算,得到梯度图;
梯度块分割模块,用于对所述梯度图进行分块,得到梯度块;
方差计算模块,其根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
梯度块调整模块,用于将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图;
梯度图还原模块,其利用泊松方程将调整后的梯度图进行还原,得到修复图。
另外,本发明还提供一种拍摄终端,其特征在于,该拍摄终端包括如上所述的基于简单背景的图像修复系统。
优选的,所述拍摄终端包括:手机、数码相机或平板电脑。
本发明的有益效果是:
本发明的一种基于简单背景的图像修复方法、系统及拍摄终端,其通过对原始图像的待修复区域或完好区域进行标记和梯度计算,并对得到的梯度图进行分块得到梯度块,然后根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值,将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图,最后利用泊松方程将调整后的梯度图进行还原得到修复图;本发明无需训练样本,算法简单,处理速度快,并且修复效果更自然,实验证明,该方法能很自然的修复几乎所有类型的皱纹,特别适用于皮肤等类似的简单背景的图像修复。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明基于简单背景的图像修复方法的流程简图;
图2为本发明基于简单背景的图像修复系统的结构示意图;
图3为本发明拍摄终端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明中,所述的简单背景,是指没有复杂的形状,例如人的皮肤,单色墙壁或地板或天花板或其他面板等,在梯度图上,简单背景表现为局部梯度场是无规律的小的波动,以人脸皱纹的修复为例,人脸的皮肤属于简单背景,而皱纹区在梯度图上则表现为较大的波动,现有技术中,一般是通过减弱大的波动再做泊松融合,该方法往往会导致修复后的皱纹区变得过于模糊而无法与周围的完好皮肤区进行自然融合。针对该问题,本发明提出了一种基于简单背景的图像修复方法,如图1所示,其包括以下步骤:
10.对原始图像的待修复区域或完好区域进行标记,得到标记图;
20.对所述标记图进行梯度计算,得到梯度图;
30.对所述梯度图进行分块,得到梯度块;
40.根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
50.将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图;
60.利用泊松方程将调整后的梯度图进行还原,得到修复图。
所述步骤10中,所述原始图像是指人脸图像,所述待修复区域是指皱纹区域或者斑点区域;或者,所述原始图像是指天花板图像或墙壁图像或地板图像,所述待修复区域是指裂缝区域。
所述步骤20中,对所述标记图进行梯度计算,进一步包括以下步骤:
21.在水平方向上,计算所述标记图中每个当前像素点的右边两个像素和与左边两个像素和之差,得到水平梯度值Tx;
22.在垂直方向上,计算所述标记图中每个当前像素点下面两个像素和与上面两个像素和之差,得到垂直梯度值Ty;
23.取水平梯度值Tx和垂直梯度值Ty之和作为当前像素点的梯度值T。
上述标记的方法可采用人工标记或者其他自动标记方法,可仅标注待修复区域或者仅标注完好区域,或者同时对待修复区域和完好区域进行不同的标记。
所述步骤30中,对所述梯度图进行分块,是根据原始图像的大小进行设置块的大小BlockSize,并根据设置的块的大小BlockSize将所述梯度图平均分成多个梯度块,每个梯度块的大小为BlockSize*BlockSize。
所述的块的大小BlockSize的计算方法为:
BlockSize=max(3,min(25,min(height,width)*0.01))*2-1;
其中,height、width分别表示图像的高和宽,max表示两者之间的最大值,min表示两者之间的最小值。
所述步骤40中,计算每个梯度块对应的方差值,是指对所述梯度图中的完好区域的梯度块所对应的原始图像的原始块进行方差值的计算,同时,将待修复区域的梯度块的方差值设置为极大值,一方面,减少方差计算的计算量,另一方面,能够保证所有的待修复区域的梯度块均被替换,修复效果更好。
所述步骤50中,将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,是根据标记获取所有的待修复区域的梯度块,然后遍历所有的待修复区域的梯度块,本实施例采用从外向内的螺旋式遍历方法,效率较高,当然也可以根据需要采用往复式遍历方法或其他遍历方法,不以此为限;并利用当前的待修复区域的梯度块的周围八块中方差值最小的梯度块替代该当前的待修复区域的梯度块,同时也替代对应的方差值,最终得到调整后的梯度图。
所述步骤60中,利用泊松方程将调整后的梯度图进行还原得到修复图,是指利用傅里叶变换求解泊松方程的方法将调整后的梯度图还原到修复后的图像,从而得到修复图。
如图2所示,本发明提供一种基于简单背景的图像修复系统100,其包括:
标记模块101,用于对原始图像的待修复区域或完好区域进行标记,得到标记图;
梯度计算模块102,用于对所述标记图进行梯度计算,得到梯度图;
梯度块分割模块103,用于对所述梯度图进行分块,得到梯度块;
方差计算模块104,其根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
梯度块调整模块105,用于将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,得到调整后的梯度图;
梯度图还原模块106,其利用泊松方程将调整后的梯度图进行还原,得到修复图。
如图3所示,本发明还提供一种拍摄终端200,该拍摄终端200包括如上所述的基于简单背景的图像修复系统100,其中,基于简单背景的图像修复系统100可以采用图2实施例的结构,其对应地,可以执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,详细可以参见上述实施例中的相关记载,此处不再赘述。
所述拍摄终端包括:手机、数码相机或平板电脑等配置有摄像头的设备。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统实施例和终端实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。并且,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于简单背景的图像修复方法,其特征在于,所述的简单背景,是指在梯度图上的局部梯度场的无规律的小幅波动的图像背景;所述方法包括以下步骤:
10.对原始图像的待修复区域或完好区域进行标记,得到标记图;
20.对所述标记图进行梯度计算,得到梯度图;
30.对所述梯度图进行分块,得到梯度块;
40.根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
50.将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,同时也替代对应的方差值,得到调整后的梯度图;
60.利用泊松方程将调整后的梯度图进行还原,得到修复图。
2.根据权利要求1所述的一种基于简单背景的图像修复方法,其特征在于:所述步骤20中,对所述标记图进行梯度计算,进一步包括以下步骤:
21.在水平方向上,计算所述标记图中每个当前像素点的右边两个像素和与左边两个像素和之差,得到水平梯度值Tx;
22.在垂直方向上,计算所述标记图中每个当前像素点下面两个像素和与上面两个像素和之差,得到垂直梯度值Ty;
23.取水平梯度值Tx和垂直梯度值Ty之和作为当前像素点的梯度值T。
3.根据权利要求1所述的一种基于简单背景的图像修复方法,其特征在于:所述步骤30中,对所述梯度图进行分块,是根据原始图像的大小进行设置块的大小BlockSize,并根据设置的块的大小BlockSize将所述梯度图平均分成多个梯度块,每个梯度块的大小为BlockSize*BlockSize。
4.根据权利要求3所述的一种基于简单背景的图像修复方法,其特征在于:所述的块的大小BlockSize的计算方法为:
BlockSize=max(3,min(25,min(height,width)*0.01))*2-1;
其中,height、width分别表示图像的高和宽,max表示两者之间的最大值,min表示两者之间的最小值。
5.根据权利要求1所述的一种基于简单背景的图像修复方法,其特征在于:所述步骤40中,计算每个梯度块对应的方差值,是指对所述梯度图中的完好区域的梯度块所对应的原始图像的原始块进行方差值的计算,同时,将待修复区域的梯度块的方差值设置为极大值。
6.根据权利要求5所述的一种基于简单背景的图像修复方法,其特征在于:所述步骤50中,将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,是根据标记获取所有的待修复区域的梯度块,然后遍历所有的待修复区域的梯度块,并利用当前的待修复区域的梯度块的周围八块中方差值最小的梯度块替代该当前的待修复区域的梯度块,同时也替代对应的方差值,最终得到调整后的梯度图。
7.根据权利要求1至6中任一项所述的一种基于简单背景的图像修复方法,其特征在于:所述步骤10中,所述原始图像是指人脸图像,所述待修复区域是指皱纹区域或者斑点区域;或者,所述原始图像是指天花板图像或墙壁图像或地板图像,所述待修复区域是指裂缝区域。
8.一种基于简单背景的图像修复系统,其特征在于,所述的简单背景,是指在梯度图上的局部梯度场的无规律的小幅波动的图像背景;所述系统包括:
标记模块,用于对原始图像的待修复区域或完好区域进行标记,得到标记图;
梯度计算模块,用于对所述标记图进行梯度计算,得到梯度图;
梯度块分割模块,用于对所述梯度图进行分块,得到梯度块;
方差计算模块,其根据每个梯度块所对应原始图像中的原始块进行方差计算,得到每个梯度块对应的方差值;
梯度块调整模块,用于将包含待修复区域的梯度块利用周围的方差值最小的完好区域的梯度块替代,同时也替代对应的方差值,得到调整后的梯度图;
梯度图还原模块,其利用泊松方程将调整后的梯度图进行还原,得到修复图。
9.一种拍摄终端,其特征在于,包括权利要求8所述的基于简单背景的图像修复系统。
10.根据权利要求9所述的拍摄终端,其特征在于,所述拍摄终端包括:手机、数码相机或平板电脑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610033404.XA CN105719250B (zh) | 2016-01-19 | 2016-01-19 | 基于简单背景的图像修复方法、系统及拍摄终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610033404.XA CN105719250B (zh) | 2016-01-19 | 2016-01-19 | 基于简单背景的图像修复方法、系统及拍摄终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105719250A CN105719250A (zh) | 2016-06-29 |
CN105719250B true CN105719250B (zh) | 2019-05-03 |
Family
ID=56147906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610033404.XA Active CN105719250B (zh) | 2016-01-19 | 2016-01-19 | 基于简单背景的图像修复方法、系统及拍摄终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105719250B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296604B (zh) * | 2016-08-04 | 2019-04-02 | 厦门美图之家科技有限公司 | 一种图像修复方法及装置 |
CN106205531B (zh) * | 2016-08-09 | 2019-12-20 | 青岛海信电器股份有限公司 | 一种调整屏幕显示画面的方法和显示设备 |
CN106327523A (zh) * | 2016-08-26 | 2017-01-11 | 央视国际网络无锡有限公司 | 一种视频中污损区域的填充方法 |
CN106408546A (zh) * | 2016-09-05 | 2017-02-15 | 广东欧珀移动通信有限公司 | 图像修复方法、装置和终端设备 |
CN106570869A (zh) * | 2016-10-17 | 2017-04-19 | 安徽慧视金瞳科技有限公司 | 一种基于泊松方程与梯度的人体图像分割方法 |
CN107657664B (zh) * | 2017-08-17 | 2020-07-10 | 上海交通大学 | 人脸表情合成后的图像优化方法、装置、存储介质和计算机设备 |
CN108053377A (zh) * | 2017-12-11 | 2018-05-18 | 北京小米移动软件有限公司 | 图像处理方法及设备 |
CN110852980A (zh) * | 2019-11-13 | 2020-02-28 | 北京京东方专用显示科技有限公司 | 交互式图像填充方法及系统、服务器、设备及介质 |
CN111028135B (zh) * | 2019-12-10 | 2023-06-02 | 国网重庆市电力公司电力科学研究院 | 一种图像文件修复方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957936A (zh) * | 2012-07-25 | 2013-03-06 | 中山大学 | 从视频单视点到多视点的虚拟视点生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745439B (zh) * | 2013-12-31 | 2018-10-02 | 华为技术有限公司 | 图像放大方法以及装置 |
-
2016
- 2016-01-19 CN CN201610033404.XA patent/CN105719250B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102957936A (zh) * | 2012-07-25 | 2013-03-06 | 中山大学 | 从视频单视点到多视点的虚拟视点生成方法 |
Non-Patent Citations (2)
Title |
---|
基于三维泊松方程的数字视频修复;赵明等;《湖南大学学报(自然科学版)》;20110331;第38卷(第3期);51-55 |
基于偏微分方程理论的图像复原技术研究;卢兆林等;《中国博士学位论文全文数据库》;20121015;正文第42-43,72-78页 |
Also Published As
Publication number | Publication date |
---|---|
CN105719250A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105719250B (zh) | 基于简单背景的图像修复方法、系统及拍摄终端 | |
Wang et al. | Robust object removal with an exemplar-based image inpainting approach | |
Zhang et al. | Exemplar-based image inpainting using color distribution analysis | |
CN103077516B (zh) | 一种石刻文字的数字化拓片方法 | |
US8743119B2 (en) | Model-based face image super-resolution | |
CN104574501A (zh) | 一种针对复杂三维场景的高质量纹理映射方法 | |
CN104038705B (zh) | 视频制作方法和装置 | |
CN105825472A (zh) | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 | |
CN102663820A (zh) | 三维头部模型重建方法 | |
CN103679749A (zh) | 一种基于运动目标跟踪的图像处理方法及装置 | |
CN107025660A (zh) | 一种确定双目动态视觉传感器图像视差的方法和装置 | |
CN103325095A (zh) | 一种结合方向因子的样本块稀疏性图像修复方法 | |
CN109872278A (zh) | 基于u形网络和生成对抗网络的图像云层移除方法 | |
CN103578085A (zh) | 基于可变块的图像空洞区域修补方法 | |
CN107833186A (zh) | 一种基于Encoder‑Decoder深度学习模型的单透镜空间变化图像复原方法 | |
CN103745206A (zh) | 一种人脸识别方法及系统 | |
KR101593316B1 (ko) | 스테레오 카메라를 이용한 3차원 모델 재구성 방법 및 장치 | |
CN103226824A (zh) | 维持视觉显著性的视频重定向系统 | |
CN107833193A (zh) | 一种基于refinement‑network深度学习模型的单透镜全局图像复原方法 | |
CN103337088B (zh) | 一种基于边缘保持的人脸图像光影编辑方法 | |
CN107360416A (zh) | 基于局部多元高斯描述子的立体图像质量评价方法 | |
CN115937482A (zh) | 一种自适应屏幕尺寸的全息场景动态构建方法及系统 | |
Zayer et al. | Setting the Boundary Free: A Composite Approach to Surface Parameterization. | |
CN113144613A (zh) | 基于模型的体积云生成的方法 | |
CN103218781B (zh) | 一种对图像进行空间滤波处理的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |