基于特征流的抽象线条画绘制

为了将照片图像转换为具有一定艺术美感的线条画图像,文中设计了3种基于特征流的各向异性滤波器:FGsD滤波器、FGaD滤波器和FLSM滤波器.这些滤波器的主要任务是提取图像的边缘信息,并将其显示为光滑连续的风格化线条.前两种滤波器是在分析数字图像中基于一阶微分和二阶微分边缘检测算法的性能后,将高斯一阶导滤波结果和高斯差分滤波结果进行适当的混合作为边缘检测的微分响应,然后对混合的微分响应值进行柔和阈值化处理提取边缘点.第3种滤波器是专门针对图像中的线型边结构提出的,通过计算局部亮度相似度质量来判断该像素是否属于边缘点.如果将FGsD滤波结果和FLSM滤波结果进行叠加,还可以得到明暗对比度增强的抽象线条画效果.与已有的线条画绘制算法相比,采用文中算法所生成的线条画视觉特征更鲜明、风格化效果更突出、艺术表现力更强烈.     

图像抽象化的实时增强型绘制

现有的图像抽象化绘制算法主要采用基于图像分割或边缘保持的平滑滤波技术,导致所生成的抽象化图像经常存在明暗对比度较低、画质昏暗模糊、画面色彩表现力不强等问题,为此提出一种增强对比度的图像抽象化绘制算法.首先利用结构张量平滑技术生成光滑连续、显著特征保持的特征流场,然后基于该流场对图像进行沿边缘切向流方向的自适应平滑和沿梯度方向的对比度增强处理,最后使用改进的基于流场的双边滤波或者Kuwahara滤波算法实现图像抽象化的实时绘制.实验结果表明,该算法可显著改善已有抽象化方法的绘制质量,抽象化图像的边界特征明显增强,画质更清晰、层次感更分明.     

粉笔画艺术风格模拟

目的 对不同艺术风格的模拟和绘制是非真实感绘制技术的主要任务之一,目前非真实感绘制技术已对油画、水彩画、中国书法等国内外艺术风格进行了模拟,然而对粉笔化艺术风格的模拟方法并不多见。本文提出了一种基于滤波扩散和线积分卷积（LIC）的粉笔画艺术风格绘制技术。方法 首先输入2维目标图像,通过对目标图像二值化处理、边缘提取操作,获得连续、光滑的边缘信息,并采用滤波扩散技术对边缘图像进行扩散处理,模拟粉笔画中笔划的毛糙效果,同时通过采用图像增强方法增强了笔划的细节信息;其次,由于真实粉笔画在创作时,粉笔颜料黏附在图像局部区域,形成具有方向的笔刷纹理效果,算法通过在目标图像中添加白噪声,基于线积分卷积LIC产生具有方向的粉笔画笔刷纹理,并通过形态学膨胀处理获得粉笔画的笔划纹理,模拟出粉笔画中笔划的笔触特征。再次,真实的粉笔画艺术效果往往在黑板、木材等材质中创作,算法将产生的笔刷纹理图像、色彩信息以及边缘图像通过图层映射方法,映射到黑板材质等输入背景图像中,产生最终的粉笔画艺术效果图像。结果 通过对输入2维图像进行实验,模拟出具有粉笔画艺术效果的结果图像,突出了粉笔画的线条细节信息和笔划艺术特征。结论 提出了一种粉笔画艺术效果模拟算法,非真实感绘制领域的有效补充,算法简单有效,能模拟出真实的粉笔画艺术效果,增强了艺术表现力。     

曲线笔触渲染的图像风格迁移

目的 针对GANILLA、Paint Transformer、StrokeNet等已有的风格迁移算法存在生成图像笔触丢失、线条灵活度低以及训练时间长等问题,提出一种基于曲线笔触渲染的图像风格迁移算法。方法 首先按照自定义的超像素数量将图像前景分割为小区域的子图像,保留更多图像细节,背景分割为较大区域的子图像,再对分割后的每个子区域选取控制点,采用Bezier方程对控制点进行多尺度笔触生成,最后采用风格迁移算法将渲染后的图像与风格图像进行风格迁移。结果 与AST （arbitrary style transfer）方法相比,本文方法在欺骗率指标上提升了0.13,测试者欺骗率提升了0.13。与Paint Transformer等基于笔触渲染的算法对比,本文能够在纹理丰富的前景区域生成细粒度笔触,在背景区域生成粗粒度笔触,保存更多的图像细节。结论 与GANILLA、AdaIN （adaptive instance normalization）等风格迁移算法相比,本文采用图像分割算法取点生成笔触参数,无需训练,不仅提高了算法效率,而且生成的多风格图像保留风格化图像的笔触绘制痕迹,图像色彩鲜明。     

使用柯西分布点扩散函数模型的单幅散焦图像深度恢复

目的 当前,大多数单幅散焦图像的3维(3D)场景深度恢复方法,通常使用高斯分布描述点扩散函数(PSF)模型,依据图像边缘散焦模糊量与场景深度的对应关系获得稀疏深度图,采用不同的扩展方法得到整个场景图像的全深度图.鉴于现有方法的深度恢复结果还不够精准,对各种噪声干扰还不够健壮,提出一种基于柯西分布的点扩散函数模型计算物体图像边缘散焦模糊量的方法.方法 将输入的单幅散焦图像分别用两个柯西分布重新模糊,利用图像边缘两次重新模糊图像间梯度比值和两个柯西分布的尺度参数,可以计算出图像中边缘处的散焦模糊量.使用matting内插方法将边缘模糊量扩展到整个图像,即可恢复场景的全深度图.结果 将原始Lenna图像旋转并加入高斯噪声以模拟图像噪声和边缘位置误差,用原图与噪声图比较了柯西分布图像梯度比值与高斯分布图像梯度比值的平均误差.使用多种真实场景图像数据,将本文方法与现有的多种单幅散焦图像深度恢复方法进行了比较.柯西分布图像梯度比值的平均误差要小于高斯分布图像梯度比值的平均误差.本文方法能够从非标定单幅散焦图像中较好地恢复场景深度,对图像噪声、不准确边缘位置和邻近边缘具有更好的抗干扰能力.结论 本文方法可以生成优于现有基于高斯模型等方法的场景深度图.同时,也证明了使用非高斯模型建模PSF的可行性和有效性.     

边缘跟踪算法的图像线条画生成

给出一种基于边缘跟踪算法的图像线条画生成算法。该算法由边缘跟踪和线条画绘制两部分组成。在边缘跟踪中,提出基于相异性度量的边缘跟踪算法,以使利用边缘检测算子得到的边缘能够归类、连接;在线条画绘制过程中,引入非均匀B样条对不连续边缘进行插值并使用高斯平滑以获得连续光滑的边缘线条,然后以线条的曲率为依据,生成画笔,实现线条画的绘制。实验给出了本文方法生成的图像线条画的结果,实验结果表明,本文方法能够迅速快捷的生成较高质量的线条画。     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

融合梯度信息的改进引导滤波

目的 为了有效消除引导滤波平滑图像后产生的光晕现象,提出一种新型的融合梯度信息的改进引导滤波算法。方法 该算法借助引导图像的梯度信息来判断图像边缘位置,并结合指数函数框架设计权值来控制不同图像区域内的平滑倍数,使改进后的引导滤波能够自适应地区分和强调边缘,从而避免边缘附近由于过度模糊所引入的光晕现象。结果 与引导滤波算法相比,本文算法能在保边平滑的同时较好地抑制光晕,并在结构相似性（SSIM）评价和峰值信噪比（PSNR）评价中分别取得最高约30%和15%左右的质量提升。结论 本文算法具有较好的鲁棒性,在图像平滑、图像细节增强、多曝光图像融合等多种图像处理相关应用中均有着良好的表现。     

自适应多尺度分块压缩感知算法

目的 基于小波域的多尺度分块压缩感知重构算法忽略了高频信号在重构过程中的作用,丢失了大量的边缘与细节信息。针对上述问题,提出一种自适应多尺度分块压缩感知算法,不仅合理利用低频信息还充分利用图像的高频信息,在图像细节复杂度提高的情况下保证图像重构质量的提高。方法 首先进行3层小波变换,得到一个低频信号和9个高频信号,分别进行小波逆变换后分成大小相同互不重叠的块,对低频部分采用2维邻块边缘自适应加权滤波的方法进行处理,对高频部分采用纹理自适应分块采样,最后利用平滑投影Landweber（SPL）算法对其进行重构。结果 与已有的分块压缩感知算法、基于边缘和方向的分块压缩感知算法和基于纹理和方向的分块压缩感知算法相比,本文算法在不同的采样率下,性能均有所提升,代表细节信息的高频信号得到充分重建,改进的算法所得到的重建图像具有较高的分辨率,尤其对细节较为丰富的图像进行重建后具有较高的峰值信噪比;2维邻块边缘自适应加权滤波有效的去除了重建图像的块效应,且重建时间平均减少了0.3 s。结论 将三层小波变换后的高频分量作为纹理部分,利用自适应多尺度分块重建出图像的轮廓与边缘;将低频分量直接视为平坦部分,邻块边缘自适应加权滤波重建出图像细节,不仅充分利用了图像的高低频信息,还减少了平坦块检测过程,使得重建时间有效缩短。经实验验证,本文算法重建图像质量较好,尤其是对复杂图像明显消除了块效应,边缘和纹理细节较清晰。因此主要适用于纹理细节较复杂的人脸图像、建筑图像和遥感图像等。     

基于自适应权值滤波的深度图像超分辨率重建

目的 越来越多的应用都依赖于对真实场景深度图像的准确且快速的观测和分析。飞行时间相机可以实时获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率较低,无法满足实际应用的需要。为此提出一种结合同场景彩色图像通过构造自适应权值滤波器对深度图像进行超分辨率重建的方法。方法 充分发掘深度图像的非局部以及局部自相似性先验约束,结合同场景的高分辨率彩色图像构造非局部及局部的自适应权值滤波算法对深度图像进行超分辨率重建。具体来说,首先利用非局部滤波算法来有效避免重建结果的振铃效应,然后利用局部滤波算法进一步提升重建的深度图像质量。结果 实验结果表明,无论在客观指标还是视觉效果上,基于自适应权值滤波的超分辨率重建算法较其他算法都可以得到更好的结果,尤其当初始的低分辨率深度图像质量较差的情况下,本文方法的优势更加明显,峰值信噪比可以得到1dB的提升。结论 结合非局部和局部自相似性先验约束,结合同场景的高分辨率彩色图像构造的自适应权值滤波算法,较其他算法可以得到更理想的结果。     

Coherence-enhancing line drawing for color images

Line drawing plays an important role in many image-based non-photorealistic applications. However, most existing approaches use a grayscale edge detector for line extraction, so that only luminance differences between nearby image pixels is taken into account, but the chrominance differences is ignored. This leads to the undesirable consequence that visually significant edges in adjacent regions with different colors of similar luminance cannot be detected. To address this limitation, we present a novel enhanced line drawing method based on a flow-based difference-of-Gaussians （FDoG） filter. Because of an inherent property of the thresholded DoG edge model, captured lines may appear dislodged from the true edges in the image. To this end, we provide a gradient-guided warping technique so that smooth and coherent lines can be extracted in the correct location. The GPU implementation of the proposed algorithms allows real-time performance, and experimental examples with various color images demonstrate the method＇s superior qualitative performance over previous approaches.     

基于语义分割的简洁线条肖像画生成方法

针对目前主流的线条提取算法对于区域对比度不明显的边缘的检测能力较弱,且对于所有区域采用无差别、统一化的处理策略,所生成的线条画往往较复杂,非常不利于机器人机械臂绘图的问题,本文提出了一种基于语义分割的简洁线条肖像画生成方法(concise line portrait generation based on semantic segmentation, CLPG-SS)。首先,对人脸图像进行语义分割,将人脸划分为不同的区域,基于不同区域提取边缘轮廓与五官细节线条,进行边缘切向流优化,从而加强方向信息;在此基础上,利用线条图来生成调和图像,并利用优化后的边缘切向流、人脸语义分割结果以及调和图像,针对不同的分割区域调整线条提取方法的参数,实现对细节无关区域的线条过滤和细节重点区域的线条加强,生成简洁线条肖像画。实验结果表明:本文提出的CLPG-SS方法能够有效提取人脸主轮廓线条,并针对不同区域实现了对细节线条的针对性调节,提高了机器人机械臂的绘制效率。     

Line drawing via saliency map and ETF

Line drawing is a means of superior visual communication which can effectively convey useful information to viewers. Artists usually draw what they see rather than what exists, which means the most attractive object is emphasized while the rest are inhibited. Moreover, artists draw the whole object with coherent lines instead of fractured lines, which also contribute to the outstanding visual effect. From these perspectives, generating line drawings with saliency and coherence remains a great challenge. Existing line drawing generation methods ignore these important properties and cannot generate coherent lines in some cases since they do not take into account how artists draw a picture. To this end, a novel saliency-aware line drawing method was proposed to better grasp the viewer’s attention on an image. First, a saliency enhanced line extraction method combining saliency map and edge tangent flow was proposed to ensure the saliency and coherence of lines, especially in salient but low contrast areas. Then, the salient information was highlighted while irrelevant details were eliminated by inhibiting lines in less salient areas to enhance the saliency of the line drawing. Finally, the transparency of lines was adjusted to further emphasize important information. Various results showed that our method can generate line drawings with better visual saliency and coherence than the state-of-the-art methods.     

Style enhanced line drawings based on multi-feature

Line drawing is a means of superior visual communication, which is made up of lines. Artists usually show their unique styles while creating a line drawing. However, traditional methods can not effectively simulate this free-hand style of artists. Though the data-driven method can generate abundant styles, it is complex and time-consuming. To this end, a new style enhanced line drawing method was proposed. First, lines in images were extracted based on edge detection and edge tracking methods. Then, the global drawing features were simulated, including length measurement, overlap measurement and offset measurement. Finally, the local drawing features that contain width measurement, sharpness measurement and depth measurement were simulated. The results showed that our method can generate stylized line drawings that are more similar to free-hand drawings of artists than the state-of-the-art methods.

     

基于自适应微调因子的改进frost滤波

为避免frost滤波因使用同一微调因子带来边缘细节等结构信息的模糊,以及等距等权所带来的盲目平滑现象,对frost滤波算法提出了一种改进方案。该方案综合考虑滤波窗口本身的局域统计特性以及窗口内各像素本身的统计特性来自适应确定微调因子。通过对真实合成孔径雷达图像进行改进算法降噪实验,以等效视数和边缘保持指数两项指标为评价标准,并与不同微调因子的Frost滤波输出结果进行比较,结果表明改进算法比原算法有很大的改进,在边缘保持和去噪方面具有更好的滤波性能。     

HeNLM-LA: a locally adaptive non-local means algorithm based on hermite functions expansion

A new noise reduction algorithm HeNLM-LA is proposed. It is a modification of the non-local means algorithm using Hermite functions expansion of pixel neighborhoods. The filtering strength parameter is automatically adjusted proportionally to the local noise level. An algorithm for local noise level estimation is based on edge modeling; it suppresses high-amplitude edges in the map of local image variance.     

基于Mean Shift和FDoG的图像卡通化渲染

针对现有图像卡通化渲染算法区域划分不明显或提取的边界不够连贯的问题,提出了一种基于Mean Shift和FDoG的图像卡通化渲染方法。该方法通过区域分割与边界处理相融合的手段,获取区域明晰、边界光滑连贯的卡通对象,同时结合亮度量化策略等后处理技术净化对象,最终获得具有卡通效果的图像。渲染算法采用Mean Shift技术对图像进行分割,通过设置合适的参数获取若干有意义的区域;引入FDoG算法思想对图像边界进行分析和提取;最后去除或合并视觉上的干扰区域,并参考卡通画的亮度分布特点对图像进行亮度量化,得到最终的卡通风格图像。方法实现简单,自动化程度较高,实验结果较理想。     

基于多尺度笔刷的分层油画风格化

基于图像的油画风格化绘制是计算机图形学领域非真实感绘制研究的热点之一.为了进一步提高图像油画风格化的质量,提出了一种基于多尺度笔刷的分层图像油画风格化绘制算法.该算法模拟艺术家的油画绘制过程,采用不同尺度的笔刷按照从粗到细的顺序逐层绘制.在每层笔刷绘制中,首先使用增量Voronoi序列采样点和图像切线方向场确定笔刷流线,然后结合笔刷形状与笔刷高度场进行纹理贴图,得到最终的图像油画风格化绘制结果.通过与现有算法比较,文中算法不仅能模拟真实的油画绘制过程,而且生成的油画效果层次感更强,充分体现了图像的结构特征和油画细节.     

一种基于正切图像处理(TIP)模型的图像滤波算法

传统的图像滤波算法在滤除噪声的同时会丢失一些图像的细节信息,使图像变得模糊,为此提出了一种基于正切图像处理模型的图像滤波算法,算法根据待检测像素周围3×3邻域的像素值,利用正切函数和反正切函数进行处理。算法简单、容易实现,能够在有效地抑制噪声的同时,增强和保留图像的边缘和角点等细节信息。通过实验比较可知,该算法明显优于其它图像滤波算法。