基于卷积神经网络的深度线段分类算法

为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题,提出一种基于卷积神经网络的深度线段分类算法。对NYU-Depth数据集使用线段检测算法进行线段检测得到原始图像的线段特征图,通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签,提出适用于线段特征的卷积神经网络,实现单目图像中深度线段的分类。通过在不同线段数目上进行多次多组对比试验,深度线段分类准确率达到73.50%。试验结果证明了利用卷积神经网络实现深度线段分类的可实施性,有助于更好的利用图像几何特征解决深度估计问题。     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想。为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法。首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;然后对破损图像和相似图像进行配准,利用单应性变换实现图像空间位置的自动粗纠正;最后使用改进的最佳匹配块搜索方法和匹配准则来改善纹理合成效果,实现图像的最终修复。仿真实验结果表明,该方法可以获得较多的有用信息,产生良好的纹理合成效果,克服了传统算法和深度学习方法的缺点,即使对于具有复杂纹理信息和结构的破损图像,也能够得到良好的修复效果。     

一种三维视频深度图像快速帧内编码方法

针对三维视频编码复杂度较高的问题,提出一种快速深度图像帧内编码方法．该方法基于视频图像与深度图像的相关性,利用视频图像的最优帧内预测模式信息优化深度图像帧内编码预测模式的选择范围,减少率失真代价函数的计算量,从而降低深度图像帧内编码复杂度．实验结果表明,这种方法较深度图像独立编码方法能有效地缩短深度图编码时间,在保证合成虚拟视图质量的条件下,深度图像帧内编码时间平均减少37.16%．     

基于灰度合成的图像素描效果生成算法

提出一种采用灰度合成的图像素描效果快速生成算法,实现真实感图像的艺术化生成.不同于已有算法只是利用经典的边缘检测方法来提取图像的边缘特征,本算法通过灰度信息分布来控制素描图像的细节特征,通过灰度合成得到图像边缘特征的加强和柔化,形成素描效果.算法首先得到输入图像的灰度反色图,并对其进行高斯模糊滤波,平滑边缘特征.然后采用灰度合成将滤波后的反色图和输入图像的灰度图进行合成,并同时起到对混合的图像的亮度进行自适应调整的作用,形成图像素描艺术风格.实验结果表明,算法在突出边缘特征的同时,能够较好地保持输入图像的细节特征,并实现素描效果.     

基于多深度狭缝图像全景拼图的场景绘制

提出一种基于多个深度狭缝图像全景拼图的新的基于图像的绘制方法，可以进行大范围的基于图像绘制。本文首先介绍了深度狭缝图像和深度狭缝图像全景拼图的概念，在假设相机仅作平面移动的情况下，描述了利用深度狭缝图像生成原视点附近的近似场景和在多个深度狭缝图像全景拼图间作平滑切换的算法，并给出了从采样到绘制的实现。该方法具有采样简单，虚拟场景真实感强，支持连续大范围漫游的特点。文中给出了具体算法和实验结果，并指出了适用范围。     

基于结构光深度图像获取装置的研究

为了获得深度图像,采用激光时序空间编码技术,研制了深度图像获取装置,给出了深度图像获取装置的硬件和工作原理,提出了一种深度测量算法．实验结果表明,该装置能较好地获取深度图像;有效地减少图像的采集、处理量．通过处理8幅图像就能得到空间分辨率为1／256的景物深度数据和深度图像,具有简单、快速的优点,为基于深度图像的目标边缘检测和识别提供了有效的方法．     

一种基于微阵列镜头的多目标的图像置换方法

本文提出了一种基于微阵列镜头的利用图像深度信息进行图像置换的算法.该算法利用基于马尔科夫随机场理论的图割算法构造能量函数,恢复所拍摄场景的深度图,再根据图像中目标物体所在深度层范围进行置换,从而在保留置换部分完整图像的同时,实现微阵列镜头的图像置换功能.实验结果证明,相较于局限在二维平面且交互复杂的传统图像置换技术,本文算法能够准确提取置换图像,并在置换后不损坏图像本身的内容,能有效地处理图像中物体的前后遮挡问题,减少繁琐的交互操作及对操作人员经验的依赖.     

一种基于双段深度残差卷积网的强噪声超分辨率重建算法

受强噪声污染的图像经过现有降噪算法降噪后,往往很难恢复出图像的细节,导致图像分辨率不高,严重影响图像后期的应用,所以研究受强噪声污染图像的高清细节恢复算法具有重要意义.提出了一种基于双段深度残差卷积网的强噪声超分辨率重建算法,该算法设计了一种双段深度残差卷积网,前后段深度残差卷积网的结构完全相同,前段深度残差卷积网用于...     

基于深度图像和半像素的虚拟视点绘制

为提高虚拟视点图像的绘制精度,提出了一种基于深度图像和半像素的虚拟视点绘制方法。该方法首先对参考图像进行预处理,包括图像的半像素处理和亮度校正,然后利用正向3D图像映射获得虚拟视点的图像和深度信息,再利用逆向3D图像映射填补由深度信息不准确等因素产生的部分空洞,并根据深度信息擦除背景伪影,最后根据空洞类型的不同采用不同的方法进行空洞填补。实验结果证明,利用该方法可以绘制出令人满意的虚拟视点图像。     

基于深度学习的脑白质病变区域MRI图像变化检测

为了能够自动检测不同时期脑白质病变区域的变化,提出了一种基于深度学习的脑白质病变区域MRI图像变化检测方法,根据MRI影像的成像特点,首先对两幅图像进行预处理和预分类,选取合适的样本集,然后进行深度神经网络的训练.主要的指导原则是直接从训练好的深度神经网络中生成两幅MRI图像的变化检测图,该算法省去了生成差异图DI这一过程,一定程度上避免了DI对最终检测结果的影响.实验结果表明,该算法能够较为准确地检测出脑白质病变区域中的变化部分,在医学图像变化检测方面中有着不错的效果,通过检测结果能够记录病变区域的变化和发展趋势.