一种用于DIBR的去隔行算法*

提出了一种适用于DIBR的去隔行算法,该算法首先采用一种基于方向的场内插值算法对隔行参考图像和它的深度图像去隔行。这种场内插值算法能够通过对插值方向进行自适应的选择有效地消除“锯齿”现象。然后,算法会根据逐行的参考图像和它的深度图像进行三维图像变换,得到逐行的目标图像。实验表明,所提出的去隔行算法能得到画质较高的逐行新视图,且算法性能是鲁棒的。该算法适用于基于DIBR的3D视频的去隔行。     

基于全变分的运动分割模型及分裂 Bregman 算法

提出了一种基于全变分的运动分割模型,可以适用于2D/3D视频.首先, 通过活动轮廓模型将分割与估计融合在同一能量函数中, 该模型能够同时进行分割曲面的演化和运动参数的估计. 其次,通过凸松弛方法将原始问题转化为等价的全变分模型, 克服了局部最小值问题.最后,采用分裂Bregman快速算法进行求解. 多组实验证明了本文方法对2D/3D视频的通用性和算法的高效性.     

一种自适应去隔行算法的设计

去隔行技术是视频格式转换的一项关键技术,是视频处理的基础.本文在比较几种传统去隔行算法的基础上,对以往算法进行改进,提出了一种新的带运动检测的自适应去隔行算法优化运动检测去隔行算法.该算法以运动检测为基础,并根据物体运动状态调用相应的最优算法,去隔行效果好,对硬件要求较低,适合普通产品应用.软件仿真表明,图像的测评效果良好,且该算法的实现成本较低,具有一定的实用价值.     

三维图像多相分割的变分水平集方法

变分水平集方法是图像分割等领域出现的新的建模方法,借助多个水平集函数可有效地实现图像多相分割.但在区域/相的通用表达、不同区域内图像模型的表达、通用的能量函的设计、高维图像分割中的拓展研究等方面仍是图像处理的变分方法、水平集方法、偏微分方程方法等研究的热点问题.文中以三维图像为研究对象,系统地建立了一种新的三维图像多相分割的变分水平集方法.该方法用n-1个水平集函数划分n个区域,并基于Heaviside函数设汁出区域划分的通用的特征函数;其能量泛函包括通用的区域模型、边缘检测模型和水平集函数为符号距离函数的约束项3部分;最后,针对所得到的曲面演化方程,采用半隐式差分格式进行离散,并对多种类型三维图像进行分割验证了所提出模型的通用性和有效性.     

基于变分水平集的图像模糊聚类分割

结合变分水平集方法和模糊聚类,提出了一个基于变分水平集的图像聚类分割模型.该模型引入了一个基于图像局部信息的外部模糊聚类能量和一个新的关于零水平集的正则化能量,使得该模型对噪声图像的聚类分割更具鲁棒性.通过在能量泛函中加入一个内部约束能量约束水平集函数为符号距离函数,可以使水平集演化过程无需重新初始化.进一步提出了一种变分形式的聚类中心更新方法,实现了半监督的图像聚类分割.实验中采用不同类型的图像与FCM聚类模型、CV模型、Samson模型进行了对比实验,实验结果显示,该模型能够克服图像中噪声的影响,取得较满意的聚类分割效果.     

整体曲率变分水平集方法的曲面去噪模型

针对曲面去噪问题,提出了一种基于整体曲率变分水平集方法的曲面去噪模型。该模型是应用于图像去噪的ROF模型在几何形状处理中的自然拓展。它基于隐式水平集变分方法,能够自动处理曲面拓扑结构的变化。对该能量模型采用变分水平集方法求其梯度最速下降方程,通过演化该方程,最终得到模型最优解。为使计算结果更加准确,采用了半点差分格式离散。实验结果表明,该模型具有良好的去噪性能,同时能有效地保持曲面中的特征信息。     

基于梯度场的拼接缝消除方法

提出了一种基于图像梯度场的拼接缝消除方法--GFBSE.在一般的整体变分模型中引入源图像的梯度场,建立一个基于梯度场的能量函数,通过求解非线性偏微分方程以优化该能量函数来实现拼接缝消除.该方法能够在全局消除图像拼接中的颜色不一致,同时能够较好地处理由于图像配准造成的几何结构的错位.最后与当前常用的几种方法进行了理论和实验上的讨论和比较,表明了GFBSE方法的有效性.     

一种新的基于snake模型的水平集图像分割方法

介绍了一种新的变分函数来替代传统水平集方法中的符号距离函数,因而可以完全忽略重复初始化符号距离函数的步骤,提高了计算效率.用一个能量函数来表示基于make模型水平集函数的变化情况.其中能量函数主要由内部能量和外部能量表示.利用内部能量描述曲线的张力和平滑性;外部能量则基于图像数据,并在图像的目标边界形成极小值.同时最小化内部和外部能量,产生内力和外力:内力控制曲线演化的方向,并保持曲线不被过度弯曲;外力则吸引曲线到达目标边缘.     

基于改进Snake模型的目标轮廓提取

轮廓是运动目标检测及识别的重要依据.针对视频序列,采用一种基于改进Snake模型的方法对运动目标进行轮廓提取.首先通过部分MPP算法与外接矩形结合的方法,实现模型初始轮廓线控制点的自动设置;进而改进梯度能量函数,引入梯度矢量流算子,使得Snake轮廓能较好收敛于目标凹陷部位;并根据实际情况调整其他能量函数项的权重,最后通过8邻域贪心算法求得总能量最小化时的目标轮廓线.实验证明,该算法能对视频序列中的目标轮廓实现较可靠的提取.     

深度度量学习视频指纹算法

在满足鲁棒性、独特性前提下,为了提高视频指纹系统紧凑性,提出一种端到端的深度度量学习视频指纹算法.网络整体框架由权值共享的三分支网络组成,分支网络采用改进的3D残差网络将多层特征融合并进行压缩,实现视频数据到指纹的端到端映射.网络目标函数由度量和分类双损失函数组成,其中,设计的边界约束三元组角度度量损失函数克服了普通三元组损失函数对特征相关性表达不足的问题;分类损失函数弥补了度量损失对样本特征整体分布不敏感的问题.在公开数据集FCVID上对文中算法、传统方法和深度方法进行了大量实验.结果表明,深度度量学习视频指纹算法在鲁棒性、独特性提高的同时紧凑性显著提高.