多视角图像特征匹配的高光去除方法

针对物体镜面反射使拍摄图像出现饱和高光导致的纹理信息丢失问题,提出了一种基于多视角图像特征匹配的高光去除方法。首先,选取两幅不同视角的图像作为基准图和辅助图,转换到HSV空间进行亮度调整,将亮度统一后的两幅图像进行特征点匹配,估算出单应性变换矩阵,然后利用该矩阵将辅助图透视变换到与基准图同一视角,最后利用MSF算法对基准图进行高光检测,将检测出来的高光区域遮罩在辅助图的相应位置选择纹理信息对基准图进行填补并修复缺失纹理,从而去除基准图的高光。实验结果表明,所提出的方法适用于多种真实场景图像的高光去除,且在保证图像峰值信噪比和结构相似性有所提高的同时能最大限度地恢复高光区域的纹理细节信息,高光去除后的视觉效果更好。     

基于卷积神经网络改进的图像自动分割方法

针对图像序列三维重建中多视角目标分割需要人工参与任务繁重的问题,提出一种基于卷积神经网络改进的图像自动分割方法。首先将序列图像去噪处理、归一化并进行语义标注后制作数据集,然后对改进的融合多尺度特征和残差连接的卷积神经网络进行训练,得到优化后的卷积神经网络分割模型,最后将预分割图像加载到优化的分割模型中得到归一化的掩码图,再利用三次样条插值法将其恢复分辨率后与原图做自定义的掩码操作得到高清分割结果。本文以主流分割软件PhotoShop分割结果为参考标准进行对比,实验结果证明,该方法的准确率与参考标准接近,而且可实现批量自动分割,较好的解决三维重建中目标分割任务繁重的问题。