检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于边缘校正的深度图像上采样后处理算法

铁道学报 2015年第12期37卷 67-73页

作者：袁艺天林春雨赵耀姚超刘美琴北京交通大学计算机与信息技术学院北京100044 北京交通大学现代信息科学与网络技术北京市重点实验室北京100044

深度图在人机交互、导航、增强现实等领域有重要的应用,但目前由Kinect、TOF等摄像机获取的深度图像与颜色图像相比,分辨率普遍较低,而大量的应用中都要求深度图像必须与颜色图像分辨率一致。为此,本文提出一种深度图像上采样的后处理... 详细信息

深度图在人机交互、导航、增强现实等领域有重要的应用,但目前由Kinect、TOF等摄像机获取的深度图像与颜色图像相比,分辨率普遍较低,而大量的应用中都要求深度图像必须与颜色图像分辨率一致。为此,本文提出一种深度图像上采样的后处理算法。本算法利用经典的插值算法对深度图像进行初步的上采样,再对初步上采样后的深度图进行两次后处理。提取颜色图像的几何边界信息,以其为基准校正初步上采样深度图的边界位置;抽取深度图像边界两侧内部平滑区域的像素值,对校正边界后的上采样深度图的边界线两侧区域进行相应的填充。实验结果表明,与经典上采样算法相比,本文所提算法的上采样图像具有更好的主观质量,在保证边界区域平滑的情况下,消除了上采样算法带来的边界模糊现象;且通过边界校正,深度图像边界与颜色图像几何边界的吻合度得到提高,改善了合成视点的质量。

关键词：深度图像图像上采样边缘提取边界校正

在线全文

学校读者我要写书评

暂无评论

基于盲反卷积的图像上采样算法

基于盲反卷积的图像上采样算法

第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）

作者：卢少平清华大学可视媒体智能处理与内容安全北京市工程研究中心清华大学计算机科学技术系

本文提出了一种基于盲反卷积框架的单幅图像上采样算法。针对双三次上采样会对图像产生过平滑的特点,本文提出通过卷积核来表示边界锐化的转换关系,构造预测锐化边界、估计卷积核二者互为约束的模型并求解卷积核信息,在此基础上采用联... 详细信息

本文提出了一种基于盲反卷积框架的单幅图像上采样算法。针对双三次上采样会对图像产生过平滑的特点,本文提出通过卷积核来表示边界锐化的转换关系,构造预测锐化边界、估计卷积核二者互为约束的模型并求解卷积核信息,在此基础上采用联合反卷积恢复的策略来实现上采样图像重构。联合反卷积框架中首先由预测的边界和卷积核实现以保持锐化边界为目标的反卷积重构,然后根据纹理细节的丰富性和趋于各项同性的特点,本文采用高斯卷积核迭代残差反卷积来修复图像细节。从本文算法重构的图像以及与其他现有算法结果的对比表明,我们提出的盲反卷积上采样算法能有效生成更符合视觉感知的锐化边界和清晰的纹理细节。

关键词：图像上采样边界/细节分解卷积核估计反卷积

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于FPGA的图像上采样IP核设计与实现

电脑知识与技术 2024年第17期20卷 43-45页

作者：李京安杨越程刘宇晨康子律湖北工业大学理学院湖北武汉430068

随着人们对图像信息处理的要求不断提高,图像上采样算法的研究成为当前热点,而算法的硬件化实时性发展趋势,使得提升图像处理质量的同时减少硬件开销成为一个难点问题。本文通过对基于FPGA的双线性插值上采样算法进行优化,实现了图像的... 详细信息

随着人们对图像信息处理的要求不断提高,图像上采样算法的研究成为当前热点,而算法的硬件化实时性发展趋势,使得提升图像处理质量的同时减少硬件开销成为一个难点问题。本文通过对基于FPGA的双线性插值上采样算法进行优化,实现了图像的4倍放大功能,实验结果表明,上采样算法功能正确,开发板资源消耗较少,为图像放大实时性要求高的应用场合提供了解决方案。

关键词： FPGA 图像上采样双线性插值算法

在线全文

学校读者我要写书评

暂无评论

基于联合双边滤波的纹理合成上采样算法

计算机学报 2009年第2期32卷 241-251页

作者：肖春霞聂勇伟黄先锋赵勇彭群生武汉大学计算机学院武汉430072 浙江大学CAD&CG国家重点实验室杭州310027 武汉大学软件工程国家重点实验室武汉430072 武汉大学测绘遥感信息工程国家重点实验室武汉430072

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成... 详细信息

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成纹理应用空间滤波,而将一相似的边界滤波联合地应用在高分辨率的样本纹理上.该算法克服了传统的以光滑性为先验引导条件的上采样方法会导致图像特征模糊的缺点,使获得的上采样纹理图像保持纹理特征,同时视觉上光滑.文中给出了图像和视频纹理合成结果的上行采样算法.实验结果表明,文中的方法减小了优化纹理合成过程所需的时间和空间,获取了更好的图像和视频合成纹理上采样效果.

关键词：纹理合成全局优化双边滤波器图像上采样

在线全文

学校读者我要写书评

暂无评论

基于深度学习的单目图像新视图合成

基于深度学习的单目图像新视图合成

作者：李文杰武汉大学

学位级别：硕士

视图合成作为计算机视觉领域的一项热门的研究,在虚拟现实、场景三维展示、2D视频转3D视频等领域应用广泛,为传统的图像和视频媒体提供了更为生动的信息展示方式。作为其中的关键性技术,深度估计为视图合成提供了场景的几何信息和从已... 详细信息

视图合成作为计算机视觉领域的一项热门的研究,在虚拟现实、场景三维展示、2D视频转3D视频等领域应用广泛,为传统的图像和视频媒体提供了更为生动的信息展示方式。作为其中的关键性技术,深度估计为视图合成提供了场景的几何信息和从已知视图中采样的依据,其质量直接决定了视图合成的效果。传统的基于多视图立体几何的深度估计方法依赖于特征点匹配算法,在真实世界中复杂的自然场景下拍摄的图片经常会出现光照不一致或者部分区域纹理缺失的问题而影响匹配算法的精度,且多视图方法需要用到多张图片,在实际应用时不一定能获取同一场景的多张图片。现有的基于深度学习的深度估计方法利用海量的数据对场景进行理解,能够在一定程度上弥补光照或纹理问题而带来的精度损失问题,且可以作用于单张输入图片,但这些方法估计的深度图往往缺乏场景的纹理细节信息,并且输出结果的分辨率较小,在进行上采样将其用于高分辨率视图合成时,深度图像的物体边界不够精细,会影响视图合成的效果。本文对基于深度学习的视图合成进行了比较系统的分析和研究,针对现有工作的局限,提出了从深度图细节增强和边界优化两个方面进行改进的算法,主要贡献为:(1)提出了一种基于多细节尺度输入的深度估计方法。通过借鉴图像增强领域的多尺度图像细节增强,为深度估计网络的输入图片计算多个尺度下的细节图片和增强后的图片,并将这些图片联合作为网络的输入。通过增加细节图片和增强后的图片作为输入,网络可以提取更关注于图像细节的特征并自适应地选取特征,输出包含更丰富纹理细节信息的深度估计结果。(2)提出了一种基于多层次约束的网络损失函数。通过借鉴图像风格迁移领域的思想,对重建图像的颜色、内容、纹理等多个方向进行约束,使得深度估计结果符合多方面的要求。(3)提出了一种利用RGB图像引导的基于深度学习的深度图上采样方法。通过对原始图像进行编码下采样,并与低分辨率的深度图一并输入解码上采样网络,输出高分辨率的深度图像。此外,利用边缘检测算法检测RGB图像的物体边界并按照一定的阈值转化为边界权重作用于损失函数,使得网络更加关注边界区域的上采样效果,输出的高分辨率深度图边界更加清晰。本文利用定性和定量分析,通过多方面对比实验验证了所提出方法在深度估计和视图合成优化上的有效性。

关键词：视图合成深度估计图像增强图像风格迁移图像上采样

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的小目标检测方法的研究

基于深度学习的小目标检测方法的研究

作者：甘才钊国防科技大学

学位级别：硕士

目标检测问题是计算机视觉领域重要的研究问题之一,经过了数十年的发展,尤其是近年来深度学习的兴起,目标检测算法的效果不断提升,其鲁棒性也是越来越强。目前目标检测问题是以深度学习方法为主要研究方向,基于深度学习的目标检测方法... 详细信息

目标检测问题是计算机视觉领域重要的研究问题之一,经过了数十年的发展,尤其是近年来深度学习的兴起,目标检测算法的效果不断提升,其鲁棒性也是越来越强。目前目标检测问题是以深度学习方法为主要研究方向,基于深度学习的目标检测方法包括基于候选区域的目标检测方法和基于回归的目标检测方法两大类。以Faster R-CNN为代表的基于候选区域的目标检测算法在检测精度上有较大的提升,但是它存在着检测速度慢的缺点。以SSD为代表的基于回归的目标检测算法提高了检测速度,但是检测精度却有所下降。虽然目标检测算法的研究在近几年已经取得了飞跃式的进展,但是大部分的目标检测算法都是以普通尺寸的目标作为研究对象,对于小目标这样的特殊的应用场景,其检测精度依然不尽人意。因此,本文针对小目标检测的问题展开了研究。本文归纳总结了目标检测算法在国内外的研究历程和研究现状,并分析介绍了小目标检测问题的难点。为了解决小目标场景下的目标检测问题,本文分析验证了几种解决小目标检测问题的有效方法,并且结合这些方法,以基于回归的目标检测框架为基础,提出了一种针对小目标检测问题的目标检测算法,并在Wider Face数据集上取得了较好的效果。本文的主要研究工作如下:(1)本文从上下文信息,图像上采样和模板设计三个研究点出发,依据这些研究点设计了图像分类实验来验证特征融合、多层特征预测和图像上采样的方法对小目标检测问题的有效性,并且为了适应小目标的数据集中目标的尺寸,本文根据Wider Face数据集的目标大小分布情况使用k-means聚类方法设计了25个检测模板。(2)本文结合特征融合、多层特征预测和图像金字塔等方法,以基于回归的目标检测框架为基础,提出了一种针对小目标检测问题的目标检测算法,并在Wider Face数据集上和Faster R-CNN、SSD、MTCNN三种算法从检测精度和检测速度上进行了对比。最终的实验结果显示,本论文提出的目标检测算法在小目标测试集上的检测精度相对于其他经典的目标检测算法较好。因此,本论文的目标检测算法对于小目标检测问题是有效的。

关键词：目标检测深度学习上下文信息图像上采样模板设计