块漂移引导的非局部纹理移除
本文关键词: 纹理移除 保持结构 块漂移 非局部均值 出处:《计算机辅助设计与图形学学报》2017年09期 论文类型:期刊论文
【摘要】:保持结构的图像滤波是诸多计算摄影学和图像分析应用的必要预处理方法.传统的纹理滤波方法仅仅考虑了图像的局部对比信息,当图像中包含对比度较强的纹理时,这些纹理会干扰现有方法,导致边界模糊等副作用.为此,提出一种基于块漂移的联合非局部均值滤波的方法.首先利用块漂移的方法选择出最能表示每个像素点纹理信息的图像块,生成具有判别性的引导图,该引导图在抑制纹理信息的同时保持住了原图的结构部分;然后借助该引导图进行非局部的联合滤波,通过考察图像块之间的相似性进一步降低由于引导图的模糊而引起的滤波后图像边界的模糊现象,从而得到清晰的图像结构信息.与其他经典方法进行实验的结果表明,该方法可以更好地移除纹理并且能够保持结构信息;此外,还将纹理移除应用到边缘检测和纹理增强,显示了保持结构的纹理移除有助于提高二者的效果.
[Abstract]:Image filtering with preserving structure is a necessary preprocessing method for many applications of computational photography and image analysis. The traditional texture filtering method only considers the local contrast information of the image. When the image contains strong contrast texture, these textures will interfere with the existing methods, resulting in edge blurring and other side effects. A joint nonlocal mean filtering method based on block drift is proposed. Firstly, the block drift method is used to select the image blocks that can best represent the texture information of each pixel, and then the discriminant guide graph is generated. The guide graph not only suppresses the texture information, but also keeps the structure part of the original image. Then, by using the guide map to carry out non-local joint filtering, by investigating the similarity between the image blocks, we can further reduce the fuzzy phenomenon of the filtered image boundary caused by the ambiguity of the guide image. The experimental results with other classical methods show that the method can remove texture better and keep the structure information. In addition, texture removal is applied to edge detection and texture enhancement, which shows that texture removal with preserving structure can improve the effect of both.
【作者单位】: 大连理工大学数学科学学院;石家庄铁道大学信息科学与技术学院;东北石油大学数学与统计学院;
【基金】:国家自然科学基金(61363048,61402300,61572099) 中央高校基本科研业务费专项基金(DUT16QY02)
【分类号】:TP391.41
【正文快照】: 很多自然图像和艺术作品都包含了纹理,如草坪、十字绣以及瓷砖镶嵌艺术图等,如图1所示.在很多情况下,人们的视觉系统会忽视纹理图案,更关注图像的主要结构部分.然而,当人们通过细缝裁剪进行图像放缩,或者对图像进行细节增强、特征边提取以及图像合成等操作时,计算机容易将纹理
【相似文献】
相关期刊论文 前10条
1 肖志涛,于明;纹理图像分类系统的设计及实现[J];计算机应用;2000年09期
2 刘国强;纹理防伪——21世纪防伪新技术[J];中国防伪;2001年03期
3 李晗静,郭恒业,赵辉,陈爽;合并纹理图像技术[J];计算机工程与应用;2003年29期
4 徐晓刚,马利庄;纹理混合与纹理传输[J];计算机辅助设计与图形学学报;2003年01期
5 田玉敏,乃学尚,高有行,宋笑雪;基于整数小波系数的纹理图像检索方法研究[J];西安电子科技大学学报;2003年01期
6 向世明,赵国英,陈睿,贾富仓,李华;纹理图像基及其应用[J];计算机辅助设计与图形学学报;2005年07期
7 毕晓君,李文秀;一种新型纹理图像生成方法研究[J];自动化技术与应用;2005年01期
8 刘利娟,叶正麟,古元亭;一种近似周期性纹理的合成方法[J];计算机工程与应用;2005年11期
9 李辉;曾安祥;潘宏伟;廖昌阊;;虚拟超大纹理的设计与实现[J];四川大学学报(工程科学版);2006年06期
10 郭亚红;胡少军;何东健;耿楠;;一种基于OpenGL Performer的实时纹理替换方法[J];电脑知识与技术(学术交流);2007年02期
相关会议论文 前10条
1 薛玉彩;张剑清;张祖勋;;数字城市中真实墙面纹理图像的压缩[A];开创新世纪的通信技术——第七届全国青年通信学术会议论文集[C];2001年
2 周佳男;;一种拓扑纹理图像的相位场模型分割算法[A];第二十七届中国控制会议论文集[C];2008年
3 田松;许悦雷;关文彬;李涛;董艳芳;;基于多尺度分析的纹理图像分割[A];探索 创新 交流——第五届中国航空学会青年科技论坛文集(第5集)[C];2012年
4 祝轩;周明全;耿国华;;非纹理图像修复方法研究[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
5 曹汉强;朱光喜;朱耀庭;;基于分形的自然纹理图像生成方法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 黄建军;谢维信;;基于最佳滤波和自适应模糊聚类的纹理图像分割[A];第九届中国体视学与图像分析学术会议论文集[C];2001年
7 沈妮;张红英;彭启琮;;一种新型基于纹理合成的图像补全算法在DSP上的实现[A];2006中国西部青年通信学术会议论文集[C];2006年
8 李凯智;阿木古楞;白云莉;;不变矩纹理图像分割的特征向量选择探讨[A];第八届全国信息获取与处理学术会议论文集[C];2010年
9 杨芳;田学东;郭宝兰;;一种改进的字体纹理识别方法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 肖春霞;黄志勇;聂勇伟;刘梦;何发智;;结合图像细节特征的全局优化纹理合成[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年
相关重要报纸文章 前2条
1 四川 邓培智;图解3D术语[N];中国电脑教育报;2000年
2 小刺猬;羽 毛[N];中国电脑教育报;2004年
相关博士学位论文 前10条
1 马爽;纹理图像智能修补关键技术研究[D];华北电力大学;2015年
2 朱峰;基于分形几何的彩色纹理图像分析方法研究[D];东南大学;2015年
3 王怀晖;基于特征的复杂流场纹理可视化关键技术研究[D];国防科学技术大学;2015年
4 李娜;褪色文物模型色彩重建技术研究[D];西北大学;2015年
5 许文韬;纹理图像特征提取与分类研究[D];华东师范大学;2017年
6 冯志林;拓扑纹理图像的关键预处理技术研究[D];浙江大学;2005年
7 乔玉龙;小波在纹理图像处理中的应用研究[D];哈尔滨工业大学;2006年
8 向世明;纹理图像统计及其应用研究[D];中国科学院研究生院(计算技术研究所);2004年
9 夏勇;基于特征的纹理图像分割技术研究[D];西北工业大学;2006年
10 刁常宇;三维模型实拍纹理高精度重建研究[D];浙江大学;2007年
相关硕士学位论文 前10条
1 周敏刚;基于双边局部二值模式的旋转不变纹理图像检索[D];兰州大学;2015年
2 陈丽;纹理图像的结构提取方法研究[D];哈尔滨工业大学;2015年
3 王隆;虚拟地球表面纹理数据的处理与管理[D];浙江大学;2015年
4 尹相凤;基于非局部CTV-L1模型的大破损彩色纹理图像修复[D];青岛大学;2015年
5 徐广毅;基于三维模型几何信息的纹理图像压缩[D];哈尔滨工业大学;2015年
6 张奇;红外纹理生成与重采样方法研究[D];西安电子科技大学;2014年
7 杨青;纹理图像局部灰度自动校正及其在叶脉分割中的应用研究[D];东华理工大学;2016年
8 陈刚;纹理图像特征提取与聚类集成[D];福州大学;2013年
9 向斌;纹理图像特征提取与子空间分割聚类[D];福州大学;2014年
10 赵晓蕊;基于稀疏表示及卡通—纹理模型的相位恢复算法研究[D];燕山大学;2016年
,本文编号:1455672
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1455672.html