0313521 20240111140708.120081029235959.9 Texture Oriented Image Inpainting based on Local Statistical Model 6 s. CD-ROM cav_un_epca*0313520Proc. 10th IASTED Conf. on Signal & Image Processing, SIP 200815-20CalgaryACTA Press2008CristeaP. Texturně orientovaná metoda obrazového vkreslování založená na lokálním statistickém modelu Image Restoration Image Inpainting Color Texture Prediction Local Texture Model Gaussian Mixtures EM Algorithm cav_un_auth*0101091 Grim Jiří UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0243189 Míková I. CZ cav_un_auth*0231129 Malec M. CZ pdf http://library.utia.cas.cz/separaty/2008/RO/grim-texture oriented image inpainting based on local statistical model.pdf 1M0572 GA MŠk cav_un_auth*0001814 2C06019 GA MŠk CZ cav_un_auth*0216518 GA102/08/0593 GA ČR cav_un_auth*0239567 GA102/07/1594 GA ČR cav_un_auth*0228611 CEZ:AV0Z10750506 Image inpainting as a means of substituting missing image parts can become difficult when the image is textured. In this paper we apply a local statistical model of the source color image with the aim to predict missing texture regions. We have shown in a series of papers that textures can be modeled locally by estimating the joint probability density of spectral pixel values in a suitably chosen observation window. For the sake of image inpainting we estimate the joint multivariate density in the form of a Gaussian mixture of product components. The missing image region is inpainted iteratively by step-wise prediction of the unknown spectral values. Obrazové vkreslování (automatické nahrazování chybějících částí obrazu) je obzvláště obtížné v případě texturních obrázků. Aplikujeme lokální statistický model využívající posuvného okna, který umožňuje rekonstruovat texturní vlastnosti. Pro účely vkreslování odhadujeme vícerozměrnou hustotu ve formě gausovské směsi součinových komponent. Chybějící části obrazu jsou vkreslovány iterativně. cav_un_auth*0243073 10th IASTED Conf. on Signal & Image Processing, SIP 2008 Kailua-Kona, HI 18.08.2008-20.08.2008 US 2009 BD http://hdl.handle.net/11104/0164319 2008 pdf cav_un_epca*0313520 Proc. 10th IASTED Conf. on Signal & Image Processing, SIP 2008 15 20 Calgary ACTA Press 2008 Cristea P. 340