目的图像修复在图像处理中起着举足轻重的地位,针对目前大部分图像修补算法在修复划痕时存在纹理修复不够突出的缺陷,提出了两种基于连分式插值的修补算法,可以较好保持图像纹理的特性。方法该算法基于连分式插值理论,采用图像破损点周围像素信息来插值出破损点的像素值。根据插值函数和插值窗口的不同,提出了两种插值方法,即Thiele型修补算法与Newton-Thiele型修补算法,解决不同纹理类型图像的划痕修补问题,并对插值过程中出现的奇异点问题和平移问题提出了行之有效的解决办法。结果对大量的划痕图像进行实验测试,并通过主观评价和客观评价进行评估。客观评价包括峰值信噪比(PSNR)和运行时间的比较。相对于目前流行的一些修补方法来说,本文算法有更好的视觉效果,更高的峰值信噪比和更短的运行时间,峰值信噪比为44.79 d B,运行时间为0.53 s。结论 Thiele型修补算法更加擅长处理纹理垂直于划痕的图像,而Newton-Thiele型修补算法适用于复杂纹理的图像。
基于卷积神经网络的图像超分辨率重建算法是数字图像处理领域近年来的研究热点。针对低分辨率图像在预处理时使用双三次插值导致图像丢失一些重要的高频纹理细节以及网络模型优化问题,文章提出了连分式插值结合卷积神经网络的超分辨率重建方法。在原有的轻量级基于卷积神经网络的超分辨率重建算法(super-resolution convolutional neural net work,SRCNN)网络模型基础上,首先采用Newton-Thiele型连分式插值函数将低分辨率图像插值到目标尺寸;然后利用3个卷积层进行图像特征提取、非线性映射、重建与优化;该文在网络收敛时利用Radam优化算法自适应地调整梯度,并且采用余弦衰减法逐渐降低学习率。实验结果表明,该网络模型能够在轻量级的卷积神经网络下获得更丰富的纹理细节和更清晰的图像边缘。
