基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对 Criminisi算法的块匹配准则仅采取单一颜色判断因子导致无法合理选择最佳样本块, 且其在修复过程中使用单一修复模板易出现填充裂纹和错误像素的问题, 提出基于边缘特征和像素结构相似度的图像修复算法. 首先提出一种局部特征与边缘纹理分辨相结合的分段修复算法以增强边缘纹理分辨能力; 其次采用样本相似度和信息熵相似度确定最佳样本块集合, 并依据颜色和特征项的欧氏几何距离及结构相似性确立块匹配准则; 再通过基于信息熵的自适应修复模板解决Criminisi算法的填充裂纹和错误像素问题; 最后引入果蝇优化算法以减少图像修复时间.实验结果证明, 对于不同的图像, 文中算法能取得较为满意的修复效果和修复效率.
推荐文章
基于模式相似性的图像修复算法
图像修复算法
图像补全
模式相似性
匹配模块
改进投影变换和保留结构特征的拼接图像修复算法
拼接图像
矩形化扩充
细缝段裁剪
边界保留
图像修补
基于超像素的深度图修复算法
深度图
图像修复
超像素算法
基于方向的联合双边滤波
基于MRF模型的图像修复算法
图像修复
纹理合成
马尔可夫随机场
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于边缘特征和像素结构相似度的图像修复算法
来源期刊 计算机辅助设计与图形学学报 学科 工学
关键词 图像修复 边缘检测 结构相似度 信息熵 果蝇优化算法
年,卷(期) 2019,(10) 所属期刊栏目 图像与视觉
研究方向 页码范围 1768-1776
页数 9页 分类号 TP391.41
字数 6238字 语种 中文
DOI 10.3724/SP.J.1089.2019.17671
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陶兆胜 安徽工业大学机械工程学院 15 31 3.0 5.0
2 王丽华 安徽工业大学机械工程学院 12 23 3.0 4.0
3 王磊 安徽工业大学机械工程学院 7 5 2.0 2.0
4 张敬寒 安徽工业大学机械工程学院 3 2 1.0 1.0
5 占伟豪 安徽工业大学机械工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (76)
共引文献  (63)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(12)
  • 参考文献(1)
  • 二级参考文献(11)
2011(11)
  • 参考文献(0)
  • 二级参考文献(11)
2012(11)
  • 参考文献(1)
  • 二级参考文献(10)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(6)
  • 参考文献(3)
  • 二级参考文献(3)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像修复
边缘检测
结构相似度
信息熵
果蝇优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机辅助设计与图形学学报
月刊
1003-9775
11-2925/TP
大16开
北京2704信箱
82-456
1989
chi
出版文献量(篇)
6095
总下载数(次)
15
总被引数(次)
94943
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导