基于总体变分修复模型的图像编码

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 201-203.

• 图形、图像、模式识别 • 上一篇下一篇

基于总体变分修复模型的图像编码

苏华华，龚声蓉，刘纯平

苏州大学计算机科学与技术学院，江苏苏州 215006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Image coding based on total varitional inpainting model

SU Huahua，GONG Shengrong，LIU Chunping

School of Computer Science & Technology，Soochow University，Suzhou，Jiangsu 215006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 依据总体变分（TV）模型修复图像的特征，提出了一种新型有效的图像编码方法。在图像的编码端，先提取图像的边缘信息，再利用数学形态学对图像中较大平滑区域进行形状滤波分割，要求压缩编码的区域仅是边缘扩展的邻域和分割出的目标区域，从而大大减少了需要编码的信息量。在图像的解码端，采用总体变分模型对编码后的图像进行修复解码。实验结果表明，在较少编码信息量的情况下，能得到很好的重建视觉效果。

关键词: 图像修复, 总体变分, 图像编码, 数学形态学

Abstract: A new scheme of image coding based on Total Varitional（TV） inpainting model is proposed.In image encoding，extracted image edge，then the large of smooth region is shape filter segmentation by mathematical morphology.Edge extension image and the part of target partition pixels are only encoded so that required information for encoding is greatly reduced.In decoding，a TV inpainting model is applied to reconstruct the image.The experimental results show that?with this scheme，it can get a good quality of reconstructed image in the condition of less image information.

Key words: image inpainting, Total Varitional（TV）, image coding, mathematical morphology

苏华华，龚声蓉，刘纯平. 基于总体变分修复模型的图像编码[J]. 计算机工程与应用, 2011, 47(10): 201-203.

SU Huahua，GONG Shengrong，LIU Chunping. Image coding based on total varitional inpainting model[J]. Computer Engineering and Applications, 2011, 47(10): 201-203.

[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]	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.
[4]	杜树林，邱卫根，张立臣. 组件树理论和方法研究综述[J]. 计算机工程与应用, 2019, 55(12): 44-53.
[5]	兰小丽1，刘洪星1，2，姚寒冰1，2. 基于纹理块与梯度特征的图像修复改进算法[J]. 计算机工程与应用, 2018, 54(20): 172-177.
[6]	崔丽群，张月，田鑫. 融合双阈值和改进形态学的边缘检测[J]. 计算机工程与应用, 2017, 53(9): 190-194.
[7]	邓仕超，黄寅. 二值图像膨胀腐蚀的快速算法[J]. 计算机工程与应用, 2017, 53(5): 207-211.
[8]	臧艺超1，邱菡1，2，周天阳1，2，朱俊虎1，2. 基于数学形态学的时间序列相似性度量研究[J]. 计算机工程与应用, 2017, 53(24): 64-68.
[9]	李高平，刘莉. 图像子块特征匹配的快速分形编码算法[J]. 计算机工程与应用, 2017, 53(1): 195-200.
[10]	袁宗文，鲁业频，杨汉生. 半叉迹特征的快速分形图像编码[J]. 计算机工程与应用, 2016, 52(3): 197-201.
[11]	肖红光1，文俊1，陈立福2，史长琼1. 一种新的高分辨率SAR图像道路提取算法[J]. 计算机工程与应用, 2016, 52(15): 198-202.
[12]	吴萌1，2，王慧琴2，李文怡3. 多尺度唐墓室壁画病害标记及修复技术研究[J]. 计算机工程与应用, 2016, 52(11): 169-174.
[13]	周乐前，郭斯羽，温和，张翌. 大结构元素二值形态学基本操作改进算法[J]. 计算机工程与应用, 2016, 52(1): 190-194.
[14]	李宣妮，王慧琴，吴萌. 轮廓波系数引导的数字图像修复算法研究[J]. 计算机工程与应用, 2015, 51(19): 206-209.
[15]	韩明珠，郭树旭，臧玲玲，钟菲. 基于样本块的图像修复改进算法[J]. 计算机工程与应用, 2015, 51(16): 192-194.

基于总体变分修复模型的图像编码

Image coding based on total varitional inpainting model

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