网格提取的图像修复方法

doi:10.3778/j.issn.1002-8331.2009.20.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 173-174.DOI: 10.3778/j.issn.1002-8331.2009.20.051

• 图形、图像、模式识别 • 上一篇下一篇

网格提取的图像修复方法

沈玉峰^1，2，汪继文^1，2，林胜华^1，2，苏守宝^1，2

1.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039
2.安徽大学计算机科学技术学院，合肥 230039

收稿日期:2008-04-21 修回日期:2008-07-09 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 沈玉峰

Approach for image inpainting extraction of fence

SHEN Yu-feng ^1，2，WANG Ji-wen ^1，2，LIN Sheng-hua ^1，2，SU Shou-bao^1，2

1.Ministry of Education Key Lab of IC & SP，Anhui University，Hefei 230039，China
2.School of Computer Science & Technology，Anhui University，Hefei 230039，China

Received:2008-04-21 Revised:2008-07-09 Online:2009-07-11 Published:2009-07-11
Contact: SHEN Yu-feng

摘要/Abstract

摘要： 数字图像的修复，一般都需要人们用手工来标记待修复的区域。提出了一种新的方法，能够自动标记图像中的待修复区域——网状障碍物。首先将网状障碍物看作网格，利用网格是由空间中有规律两组线交叉形成的这一显著特点，然后通过计算来提取覆盖在图像上的网状障碍物，这样就不需要人们用手工来标记。为了保证得到的网格线能够完全覆盖图像上的网状障碍物，把提取的网格线进行适当的膨胀，实验证明该方法是有效的，且比较容易实现。

关键词: 网状障碍物, 网格, Hough变换, 图像修复

Abstract: Image inpainting requires manual operations to specify the regions to be completed.This paper proposes a new method of signing the obstacles on a still image.The obstacles are regarded as the fence，and this method uses the obvious character that the fence consists of two sets of regular lines crossing each other in a space.Then the obstacles can be extracted by computation，and the method doesn’t need manual operations.In order to ensure that the fence obtained can cover the obstacles on the image，we may dilate the lines of the fence.The experimental results show the method is effective.

Key words: obstacles, fence, Hough transform, image inpainting

沈玉峰^1，2，汪继文^1，2，林胜华^1，2，苏守宝^1，2. 网格提取的图像修复方法[J]. 计算机工程与应用, 2009, 45(20): 173-174.

SHEN Yu-feng ^1，2，WANG Ji-wen ^1，2，LIN Sheng-hua ^1，2，SU Shou-bao^1，2. Approach for image inpainting extraction of fence[J]. Computer Engineering and Applications, 2009, 45(20): 173-174.

[1]	李健，孙大松，张备伟. 结合双编码器与对抗训练的图像修复[J]. 计算机工程与应用, 2021, 57(7): 192-197.
[2]	王海涌，李海洋，高雪娇. 基于结构嵌入的图像修复方法研究[J]. 计算机工程与应用, 2021, 57(22): 241-246.
[3]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[4]	李雨鑫，李悦悦. 面向JIT采购的多目标车辆调度[J]. 计算机工程与应用, 2021, 57(12): 263-272.
[5]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[6]	赵云成，王琳，盛步云，赵飞宇. 综合曲率约束的在线网格模型分割方法研究[J]. 计算机工程与应用, 2020, 56(16): 176-182.
[7]	陈胜发，贾瑞玉. 基于残差和密度网格的簇心自确认聚类算法[J]. 计算机工程与应用, 2020, 56(12): 149-155.
[8]	杜丽美，连玮. 高斯投影下的人机交互式物体仿真算法研究[J]. 计算机工程与应用, 2020, 56(11): 185-191.
[9]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[10]	师晓波，蔺素珍，桑新亚. 利用结构连续块和多尺度变换的缺损图像修复[J]. 计算机工程与应用, 2019, 55(8): 189-194.
[11]	杨冬升，凌静. 二维多域弹性问题虚边界无网格伽辽金法分析[J]. 计算机工程与应用, 2019, 55(5): 51-54.
[12]	傅敏，张江龙，刘培刚. 三维环境下交互式点云对象提取方法[J]. 计算机工程与应用, 2019, 55(24): 265-270.
[13]	宋雪雯，吕鑫，王鑫元. 混合式结构下基于网格的位置隐私保护方法[J]. 计算机工程与应用, 2019, 55(23): 92-98.
[14]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.
[15]	牛少章，欧毓毅，凌捷，顾国生. 利用区域划分的多密度快速聚类算法[J]. 计算机工程与应用, 2019, 55(18): 61-66.

网格提取的图像修复方法

Approach for image inpainting extraction of fence

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