|本期目录/Table of Contents|

[1]吴长勤,王亚军,王传安.结合颜色向量角和灰度熵的图像修复[J].武汉工程大学学报,2015,37(06):51-55.[doi:10. 3969/j. issn. 1674-2869. 2015. 06. 011]
　,Ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｉｎｇ ｃｏｌｏｒ ｖｅｃｔｏｒ ａｎｇｌｅ ｗｉｔｈ ｅｎｔｒｏｐｙ ｏｆ ｂｒｉｇｈｔｎｅｓｓ[J].Journal of Wuhan Institute of Technology,2015,37(06):51-55.[doi:10. 3969/j. issn. 1674-2869. 2015. 06. 011]
点击复制

结合颜色向量角和灰度熵的图像修复(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
37
期数:
2015年06期
页码:
51-55
栏目:
机电与信息工程
出版日期:
2015-06-30

文章信息/Info

Title:
Ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｉｎｇ ｃｏｌｏｒ ｖｅｃｔｏｒ ａｎｇｌｅ ｗｉｔｈ ｅｎｔｒｏｐｙ ｏｆ ｂｒｉｇｈｔｎｅｓｓ
文章编号:
1674-2869（2015）06-0051-05
作者:
吴长勤; 王亚军; 王传安
安徽科技学院数理与信息工程学院，安徽 凤阳 ２３３１００
Author(s):
ＷＵ Ｃｈａｎｇ－ｑｉｎ;  ＷＡＮＧ Ｙａ－ｊｕｎ; ＷＡＮＧ Ｃｈｕａｎ－ａｎ
Ｃｏｌｌｅｇｅ ｏｆ Ｍａｔｈｅｍａｔｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ， Ａｎｈｕｉ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｕｎｉｖｅｒｓｉｔｙ， Ｆｅｎｇｙａｎｇ ２３３１００，Ｃｈｉｎａ
关键词:
图像修复; 颜色向量角; 灰度熵; Ｃｒｉｍｉｎｉｓｉ算法
Keywords:
ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ; ｃｏｌｏｒ ｖｅｃｔｏｒ ａｎｇｌｅ; ｅｎｔｒｏｐｙ ｏｆ ｂｒｉｇｈｔｎｅｓｓ; Cｒｉｍｉｎｉｓｉ ａｌｇｏｒｉｔｈｍ
分类号:
ＴＮ９１１.７３
DOI:
10. 3969/j. issn. 1674-2869. 2015. 06. 011
文献标志码:
A
摘要:
针对现有图像修复算法效率低下的问题，提出一种结合颜色向量角和灰度熵的图像修复改进算法．根据颜色向量角能够衡量图像中不同颜色之间的差异特性，算法先构造边缘项来代替Ｃｒｉｍｉｎｉｓｉ算法中的数据项，并改进优先级计算方式；然后根据图像局部灰度均值的一维信息熵来度量图像中待修复块周围图像，进而采用局部平均灰度熵确定搜索区域的大小，以减少搜索最佳匹配块的搜索时间．实验结果表明，与Ｃｒｉｍｉｎｉｓｉ算法相比无论从速度上还是修复的质量上文中所提算法都占有优势．
Abstract:
Ａ ｎｅｗ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｉｎｇ ｃｏｌｏｒ ｖｅｃｔｏｒ ａｎｇｌｅ ｗｉｔｈ ｅｎｔｒｏｐｙ ｏｆ ｂｒｉｇｈｔｎｅｓｓ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｉｍｐｒｏｖｅ ｌｏｗ ｅｆｆｉｃｉｅｎｃｙ ｉｎ iｍａｇｅ ｉｎｐａｉｎｔｉｎｇ． Ｆｉｒｓｔ， ｗｅ ｍｅａｓｕｒｅｄ ｔｈｅ ｄｉｆｆｅｒｅｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｃｏｌｏｒｓ ｉｎ ｔｈｅ ｉｍａｇｅｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｃｏｌｏｒ ｖｅｃｔｏｒ ａｎｇｌｅ， ａｎｄ ｒｅｄｅｆｉｎｅｄ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｐｒｉｏｒｉｔｙ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ Cｒｉｍｉｎｉｓｉ ａｌｇｏｒｉｔｈｍ． Ｔｈｅｎ， wｅ ｃａｌｃｕｌａｔｅｄ ｔｈｅ ｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌ ｅｎｔｒｏｐｙ ｏｆ ｌｏｃａｌ ａｖｅｒａｇｅ ｇｒａｙ ｖａｌｕｅｓ ａｒｏｕｎｄ ｔｈｅ ｉｎｐａｉｎｔｉｎｇ ａｒｅａ， ａｎｄ ｕｓｅｄ ｔｈｅ ａｖｅｒａｇｅ ｇｒａｙ ｅｎｔｒｏｐｙ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｓｉｚｅ ｏｆ ｔｈｅ ｓｅａｒｃｈ ａｒｅａ， ｗｈｉｃｈ ｃｏｕｌｄ ｒｅｄｕｃｅ ｔｈｅ ｓｅａｒｃｈ ｔｉｍｅ ｆｏｒ ｔｈｅ ｂｅｓｔ ｍａｔｃｈｉｎｇ ｂｌｏｃｋ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｈａｓ ｂｅｔｔｅｒ ｒｅｓｔｏｒａｔｉｏｎ ａｎｄ ｌｅｓｓ ｔｉｍｅ cｏｎｓｕｍｉｎｇ ｔｈａｎ Cｒｉｍｉｎｉｓｉ ａｌｇｏｒｉｔｈｍｓ．

参考文献/References:

［１］　ＢＥＲＴＡＬＭＩＯ Ｍ，ＳＡＰｌＲＯ Ｇ，ＣＡＳＥＬＬＥＳ Ｖ，ｅｔ ａｌ．Ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ［Ｃ］//Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ ａｎｄ Ｉｎｔｅｒａｃｔｉｖｅ Ｔｅｃｈｎｉｑｕｅｓ．Ｎｅｗ Ｏｒｌｅａｎｓ Ｌｏｕｉｓｉａｎａ ＵＳＡ， ２０００， １： ４１７－４２４．［２］　ＣＨＡＮ Ｔ Ｆ，ＳＨＥＮ Ｊ．Ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌｓ ｆｏｒ ｌｏｃａｌ ｎｏｎ－ｔｅｘｔｕｒｅ ｉｎｐａｉｎｔｉｎｇ［Ｊ］． ＳＩＡＭ Ｊｏｕｒｎａｌ ｏｎ Ａｐｐｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ， ２００２，６２（３）：１０１９－１０４３．［３］　ＥＳＥＤＯＧＬＵ Ｓ，ＳＨＥＮ Ｊ． Ｄｉｇｉｔａｌ ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ ｂｙ ｔｈｅ Ｍｕｘｎｆｏｒｄ－Ｓｈａｈ－Ｅｕｌｅｒ ｉｍａｇｅ ｍｏｄｅｌ［Ｊ］．Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ，２００２，１３（４）：３５３－３７０．［４］　叶学义， 王靖，赵知劲，等． 鲁棒的梯度驱动图像修复算法［Ｊ］．中国图像图形学报，２０１２，１７（６）：６３０－６３５．ＹＥ Ｘｕｅ-ｙｉ，ＷＡＮＧ Ｊｉｎｇ，ＺＨＡＯ Ｚｈｉ－ｊｉｎ，ｅｔ ａｌ． Ｒｏｂｕｓｔ ｇｒａｄｉｅｎｔ ｄｒｉｖｉｎｇ ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ ｍｅｔｈｏｄ［Ｊ］. Ｊｏｕｒｎａｌ ｏｆ Ｉｍａｇｅ ａｎｄ Ｇｒａｐｈｉｃｓ，２０１２，１７（６）：６３０－６３５．（ｉｎ Ｃｈｉｎｅｓｅ）［５］　ＥＦＲＯＳ Ａ Ａ，ＦＲＥＥＭＡＮ Ｗ Ｔ． Ｉｍａｇｅ ｑｕｉｌｔｉｎｇ ｆｏｒ ｔｅｘｔｕｒｅ ｓｙｎｔｈｅｓｉｓ ａｎｄ ｔｒａｎｓｆｅｒ［Ｃ］//Ｐｒｏｅｅｅｄｉｎｇｓ ｏｆ ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＧｒａＰｈｉｃｓ（ＳＩＧＧＲＡＰＨ ０１），ＵＳＡ：ＡＣＭ，２００１．３４１－３４６．［６］　朱晓临， 陈晓冬，朱园珠，等． 基于显著结构重构与纹理合成的图像修复算法［Ｊ］．图形学报，２０１４，３５（３）：３３６－３４２．ＺＨＵ Ｘｉａｏ－ｌｉｎ，ＣＨＥＮ Ｘｉａｏ－ｄｏｎｇ，ＺＨＵ Ｙｕａｎ－ｚｈｕ， ｅｔ ａｌ． Ａｎ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｔｅｘｔｕｒｅ ｓｙｎｔｈｅｓｉｓ ｗｉｔｈ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ ｓｉｇｎｉｆｉｃａｎｔ ｓｔｒｕｃｔｕｒｅ ｏｆ ｉｍａｇｅｓ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｇｒａｐｈｉｃｓ， ２０１４，３５（３）：３３６－３４２． （ｉｎ Ｃｈｉｎｅｓｅ）［７］　马爽，谈元鹏，许刚．块关联匹配与低秩矩阵超分辨融合的图像修复［Ｊ］．计算机辅助设计与图形学学报，２０１５，２７（２）：２７１－２７８．ＭＡ Ｓｈｕａｎｇ，ＴＡＮ Ｙｕａｎ－ｐｅｎｇ，ＸＵ Ｇａｎｇ．Ｉｍａｇｅ ｃｏｍｐｌｅｔｉｏｎ ｂａｓｅｄ ｏｎ ｆｕｓｉｏｎ ｏｆ ｐａｔｃｈ ａｓｓｏｃｉａｔｅｄ ｍａｔｃｈｉｎｇ ａｎｄ ｌｏｗ－ｒａｎｋ ｍａｔｒｉｘ ｓｕｐｅｒ ｒｅｓｏｌｕｔｉｏｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ?鄄Ａｉｄｅｄ Ｄｅｓｉｇｎ ＆ Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ，２０１５，２７（２）：２７１－２７８． （ｉｎ Ｃｈｉｎｅｓｅ）［８］　赵胜．基于纹理合成的图像修复算法研究［Ｄ］．成都：电子科技大学，２０１４．ＺＨＡＯ Ｓｈｅｎｇ． Ｔｈｅ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｅｘｔｕｒｅ ｓｙｎｔｈｅｓｉｓ［Ｄ］． Ｃｈｅｎｇｄｕ： Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ，２０１４．（ｉｎ Ｃｈｉｎｅｓｅ）［９］　陈晓冬，朱晓临．基于改进优先级的加权匹配图像修复算法［Ｊ］．合肥工业大学学报：自然科学版，２０１３， ３６（１）：１１３－１１８．ＣＨＥＮ Ｘｉａｏ－ｄｏｎｇ，ＺＨＵ Ｘｉａｏ－ｌｉｎ． Ａ ｗｅｉｇｈｔｅｄ ｍａｔｃｈｉｎｇ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｍｏｄｉｆｉｅｄ ｐｒｉｏｒｉｔｙ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｈｅｆｅｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ，２０１３， ３６（１）：１１３－１１８．（ｉｎ Ｃｈｉｎｅｓｅ）［１０］　叶春．数字图像水印及修复算法研究［Ｄ］．桂林：广西师范大学，２０１４．ＹＥ Ｃｈｕｎ． Ｒｅｓｅａｒｃｈ ｏｎ ｄｉｇｉｔａｌ ｉｍａｇｅ ｗａｔｅｒｍａｒｋｉｎｇ ａｎｄ ｒｅｐａｉｒ ａｌｇｏｒｉｔｈｍ［Ｄ］． Ｇｕｉｌｉｎ：Ｇｕａｎｇｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，２０１４． （ｉｎ Ｃｈｉｎｅｓｅ）［１１］　ＲＩＶＥＲＡ Ｍ，ＯＣＥＧＵＥＤＡ Ｏ，ＭＡＲＲＯＱＵＩＮ Ｊ Ｌ．Ｅｎｔｒｏｐｙ－ｃｏｎｔｒｏｌｌｅｄ ｑｕａｄｒａｔｉｃ ｍａｒｋｏｖ ｍｅａｓｕｒｅ ｆｉｅｌｄ ｍｏｄｅｌｓ ｆｏｒ ｅｆｆｉｃｉｅｎｔ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２００７，１６（１２）：３０４７－３０５７．［１２］　张晴．基于样本的数字图像修复技术研究［Ｄ］．上海：华东理工大学，２０１２．ＺＨＡＮＧ Ｑｉｎｇ． Ｓｔｕｄｙ ｏｎ ｅｘｅｍｐｌａｒ－ｂａｓｅｄ ｉｍａｇｅ ｉｎｐａｉｎｔｉｎｇ ｔｅｃｈｎｏｌｏｇｉｅｓ［Ｄ］． Ｓｈａｎｇｈａｉ： Ｅａｓｔ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２０１２． （ｉｎ Ｃｈｉｎｅｓｅ）

相似文献/References:

备注/Memo

备注/Memo:
收稿日期:2015-4-20基金项目:安徽省教育厅自然科学基金(KJ2013Z048)项目作者简介:吴长勤(1962-),男,安徽肥东人,副教授.研究方向:图像处理技术.
更新日期/Last Update: 2015-08-23