一种鲁棒视频抠图算法*

基于鲁棒抠图算法提出了一种鲁棒视频抠图算法。新算法给出了一种基于少量手工标记的Strokes生成Trimap的方法,为视频帧半自动生成较为粗糙的Trimap划分,同时结合标记传递策略大大减少视频抠图过程中的手工标记操作。理论分析和实验结果证明鲁棒视频抠图算法能够获得较优的视频抠图结果。     

基于感知颜色空间的自然图像抠图

提出了一种基于感知颜色空间的快速自然图像抠图算法．该算法首先手工把图像进行区域划分;接着采用一个简单实用的模型估计前景和背景颜色;最后提出了新的基于感知颜色空间的透明度估计算法,把透明度的计算细分为亮度和色度透明度的计算．与已有的算法相比,在具有同等效果的情况下,该算法能够大大提高抠图速度。     

融合多线索信息的数字图像抠图方法研究

针对自然图像抠图方法中存在对先验知识过度依赖和交互输入繁琐的问题,为了扩展自然图像抠图方法的使用范围,提升自然图像抠图方法的自动化程度,提出一种融合多线索信息的数字图像抠图方法。利用原始自然图像所对应的深度信息和视觉显著度信息进行感兴趣区域粗分割;利用形态学的膨胀与腐蚀算法对感兴趣区域的分割结果进行粗分割区域膨胀和粗分割区域腐蚀操作,从而得到抠图过程所需的三分元素图;利用彩色纹理图像和三分元素图,并结合使用相似性传递抠图方法获得精细的前景目标抠图结果。实验结果表明,该方法不仅能够得到较为理想的抠图效果,而且大大提升了自然图像抠图方法的自动化程度。     

基于模糊估计融合显著性检测的自动抠图算法

提出了一种新的自动抠图算法框架。首先,估计输入图像各个区域的模糊程度;其次,对图像进行显著性的计算;然后融合模糊度和显著性信息,大致分割出前景和背景,从而自动生成标注前景、背景、未知区域的三色图;最后,采用基于采样的抠图算法就可以准确地完成前景目标物体的自动抠图。该算法无须人工辅助或附加信息。在标准数据集和实拍图像上的实验结果证明了该算法的准确性和实用性,可广泛应用于图像和视频的编辑合成。     

局部自适应输入控制的随机游走抠图

针对传统性抠图算法中,非完全正确用户标注及不精确超像素分割造成的信息误扩散,以随机游走算法为基础,提出带软性约束的抠图算法。通过对扩展Dirichlet问题的推导,指出带软约束的随机游走与部分自吸收随机游走概率的关联性。以吸收概率为指导,在传统相似扩散所构建的图模型上,根据局部窗口内特征矩阵的秩与方差设计了输入控制矩阵,使得信息扩散的过程能够跟随图像的局部特征进行自适应扩散。最后将软约束随机游走应用到单帧双层抠图及视频抠图中。实验表明,所提算法具有信息远距传播能力和良好的容错性能,尤其在用户标注不够充分的情况下能够取得更加优良的抠图结果。     

基于图像抠图技术的多聚焦图像融合方法

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题,提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先,通过聚焦检测获得源图像的聚焦信息,并根据所有源图像的聚焦信息生成融合图像的三分图,即前景、背景和未知区域;然后,利用图像抠图技术,根据三分图获得每一幅源图像的精确聚焦区域;最后,将这些聚焦区域结合起来构成融合图像的前景和背景,并根据抠图算法得到的确定前景、背景对未知区域进行最优融合,增强融合图像前景、背景与未知区域相邻像素之间的联系,实现图像融合。实验结果表明,与传统算法相比,所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度,在主观评价方面能有效抑制块明显效应,得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域,以期得到更优的融合效果。     

例样相似性的全局最优抠图算法

数字抠图技术,即采用已知部分的前景和背景信息从图像中提取出完整的前景信息的过程,在图像和视频编辑中发挥着极其重要的作用。从计算机视觉的角度出发,这是一项极具挑战性的工作,因为必须为每个像素点估计前景和背景组合因子。当前现存的以例样相似性为基础的抠图方法常常会因为无法搜索到正确的例样而抠图失败。提出了例样相似性的全局最优抠图算法。该算法同时考虑例样的颜色信息和坐标信息,并建立简单有效的抠图代价函数。为了降低代价函数最优化时的计算复杂度,我们采用了模拟退火算法对代价函数进行优化。同时,引入引导滤波来提高抠图精度。实验结果表明本文算法能够进行高质量的图像抠图。     

基于人工免疫调节网络的自然抠图算法及应用

自然图像抠图效果取决于待分离图像的α掩图的精度.基于改进的人工免疫调节网络的自然抠图算法是为未知区域中的象素点定义一个即反映颜色适应度也反映空间信息的权值函数,利用人工免疫网络在前景和背景的全局范围内搜索,以得到该像素点对应的最佳的样本对(F,B),从而得到α掩图.通过实验与其他算法比较,该算法对用户输入的依赖较少,对复杂背景图像的抠图精度高,稳定性好,且对于细长头发丝区域及毛发类的边界区域的划分特别有效.     

数字抠图技术综述

数字抠图是一种把图像的前景部分从背景中分离出来的技术,它通过用户指定图像中少量部分前景和背景区域,并根据这些提示按照一定的判定规则自动、准确地分离出所有的前景物体.回顾了该技术的历史发展过程,包括光学场景抽取、蓝屏抠图和图像合成技术,重点介绍了数字蓝屏抠图、自然图像抠图以及数字抠图技术的扩展和应用,如环境抠图、阴影抠图、视频抠图等,并对这几种技术的局限性以及发展方向做了简要的说明.     

基于RWR的自然图像抠图

提出了一种基于图论的自然图像抠图方法。该算法首先在图像上建立图的模型,并用不同颜色标记目标种子点和背景种子点;接着采用有重启概率的随机游走方法计算像素点之间的相似性,进而提出一个线性概率模型;最后求解模型并分别估计前景和背景物体。与目前的抠图方法相比,该算法具有以下特点：将RWR方法结合图论用于自然图像抠图中;减小了RWR算法在图像分割中迭代求逆的高复杂度,大大提高了抠图速度;解决了“弱”边界的问题。     

最小通信开销的Direct Send并行图像合成方法

Sort-last并行绘制方法广泛应用于大规模科学数据的并行可视化过程,而并行图像合成方法直接决定了Sort-last方法的总体绘制性能.针对目前Direct Send图像合成方法中存在的不足,提出一种通信开销最小的Direct Send并行图像合成方法,该方法首先使用GPU多线程方式统计各个绘制节点图像的有效像素前缀和,再利用动态规划方法计算有效像素前缀和列表的最佳分割位置,使并行图像合成的通信开销最小.该方法改变了传统Direct Send方法中静态均匀分配图像子块的合成模式,实验表明：所提出的Direct Send方法在并行图像合成性能方面明显优于现有方法,为后续以Direct Send方法为基石构建更高效的大规模并行图像合成方法奠定了基础.     

Pipelining image compositing in heterogeneous networking environments

Because of intensive inter‐node communications, image compositing has always been a bottleneck in parallel visualization systems. In a heterogeneous networking environment, the variation of link bandwidth and latency adds more uncertainty to the system performance. In this paper, we present a pipelining image compositing algorithm in heterogeneous networking environments, which is able to rearrange the direction of data flow of a compositing pipeline under strict ordering constraint. We introduce a novel directional image compositing operator that specifies not only the color and α channels of the output but also the direction of data flow when performing compositing. Based on this new operator, we thoroughly study the properties of image compositing pipelines in heterogeneous environments. We develop an optimization algorithm that could find the optimal pipeline from an exponentially large searching space in polynomial time. We conducted a comprehensive evaluation on the ns‐3 network simulator. Experimental results demonstrate the efficiency of our method. Copyright © 2016 John Wiley & Sons, Ltd.     

快速图像保边界多尺度分解

提出一种新的非线性保边界平滑算法,通过对图像每个像素点的某个邻域内所有颜色相似的像素简单平均,来对图像进行平滑处理。该算法不仅能够进行保边界平滑,并且具有非常高的运算效率。应用这种平滑算法可以对图像进行快速保边界多尺度分解。运用多尺度分解实现了图像的增强、抽象化、对比度调整的效果。     

数字图像合成技术综述

数字图像合成一直是图像处理中的研究热点,在图片编辑,平面设计,电影特效等领域有着广泛的应用。从原图像中准确地提取目标物体并将其无缝地合成到新背景下是图像合成的基本目标。按所使用的关键技术分类,现有的数字图像合成技术可分为基于α分量的图像合成,基于梯度场的图像合成和基于多分辨率模型的图像合成。首先详述了3类方法中的典型算法,并从合成质量、鲁棒性、运算效率等方面进行分析比较,然后对新的图像合成应用方式进行了扩展介绍,最后总结了现有图像合成方法的普遍局限性,并探讨了图像合成今后面临的挑战和发展方向。     

一种彩色图像灰度化的自适应全局映射方法

研究采用RGB颜色分量加权和的全局映射, 进行彩色到灰度的变换算法. 根据彩色像素在不同颜色分量的统计信息, 自动生成各颜色分量的灰度化权重, 同时结合主客观图像质量标准, 探索自适应的全局映射灰度化算法. 实验证明, 本文提出的新算法在多数测试图像上的灰度化效果与传统的灰度化算法效果相当, 但对具有主题色的彩色图像可以获得显著改善的灰度图像视觉效果.     

基于图像特征分块的分数阶微分图像增强算法

为了改善图像增强效果,突出图像主体,研究了一种基于图像特征分块的分数阶微分图像增强新算法。该算法通过构造分数阶微分掩模算子,根据图像特征分块的结果设定分数阶阶数,形成分数阶阶数矩阵,然后将其代入掩模算子,并与原图像进行运算。实验中分别对原图像和加入了高斯噪声的图像进行处理,并比较了不同参数时图像增强效果。实验结果表明,该算法能较大地增强图像主体部分的纹理,同时一定程度上抑制了背景及平滑区域图像噪声的增加。在图像平均梯度略低于传统分数阶微分增强算法的程度上,该算法对图像纹理的增强幅度更大。     

一种基于主色调匹配的图像检索方法

在基于内容的图像检索中，颜色作为图像的一种重要视觉信息已得到广泛的应用，主色调可以反映一幅图像的基本面貌，其实质就是用较少的颜色来表示原图像，并且在视觉上与原图像相似，由此，在均匀颜色空间中利用聚类分析的方法将色彩聚类为几种主要颜色，从而实现对颜色的量化，并利用直方图表示主色信息，最后采用直方图交叉算法进行图像的相似度匹配，取得了满意的实验效果。     

An adjustable algorithm for color quantization

Color quantization is an important technique in digital image processing. Generally it involves two steps. The first step is to choose a proper color palette. The second step is to reconstruct an image by replacing original colors with the most similar palette colors. However a problem exists while choosing palette colors. That is how to choose the colors with different illumination intensities (we call them color layers) as well as the colors that present the essential details of the image. This is an important and difficult problem. In this paper, we propose a novel algorithm for color quantization, which considers both color layers and essential details by assigning weights for pixel numbers and color distances. Also this algorithm can tune the quantization results by choosing proper weights. The experiments show that our algorithm is effective for adjusting quantization results and it also has very good quality of quantization.     

基于高斯加权和流形的高保真彩色图像降噪

针对用矢量法对彩色图像进行降噪处理,算法复杂度较高,无法达到实时处理的问题,提出了基于改进高斯加权和自适应流形的高保真彩色图像降噪方法。首先,将彩色图像用非局部均值算法得到高维数据,使用改进的高斯内核对彩色图像进行加权计算;然后,采用抛雪球方法处理这些高维数据,以高斯距离为权值,投影每个像素点的颜色到自适应流形;接着,对流形进行平滑降维,采用迭代法实现图像平滑;最后,收集流形中的平滑值,将平滑值对所有像素进行插值,得到降噪后的图像数据。实验证明,该方法对彩色图像进行降噪处理后,能够很好地保留原图像的细节,不会掺杂周围像素的颜色,算法处理速度较快,能够达到实时处理效果,降噪效果与原算法相比峰值信噪比(PSNR)提高近2.0dB,结构相似度提高了1百分点以上。     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。