基于局部特征匹配的颜色传递方法研究

来源 :江西理工大学 | 被引量 : 0次 | 上传用户:mmmmmmmmmmmmmmmmmmmm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像增强技术是图像处理领域的一种关键技术,已经渗透到了人们生活的方方面面。其中,颜色传递作为图像增强的一种重要手段近年来受到研究人员的重点关注。颜色传递技术能够将参考图像的颜色特征传递至内容图像上,使结果图像在拥有内容图像结构特征的同时又具备参考图像的颜色特征,从而可以较好地提高图像的艺术风格和视觉效果。传统的颜色传递方法往往存在细节模糊、噪声增强、层次感欠缺以及不能很好地保持参考图像的颜色特征等问题。并且,现有的客观评价指标大都不能很好地评价颜色传递的效果。为此,文中主要做了以下几方面的工作:(1)针对传统颜色传递方法存在的缺乏层次感、特征保持能力不足和视觉效果不佳等问题,文中结合图像签名和最优传输提出了一种基于局部特征匹配的颜色传递方法。首先,引入基于图像签名的显著区域检测方法,得到参考图像和内容图像的前景区域和背景区域,然后在对应区域进行特征匹配,以在颜色传递的同时提高结果图像的层次感。其次,在传统线性颜色传递模型的基础上,结合最优传输理论提出了一种改进的颜色传递策略,以进一步提升结果图像的质量。大量实验结果表明,相比于传统颜色传递方法,文中所提方法得到的结果图像能够较好地保持内容图像的边缘结构、层次感和参考图像的颜色特征,并且具有更佳的视觉效果。(2)针对基于颜色聚类的颜色传递方法存在的区域分割不合理、层次感不足以及不能很好地保持内容图像结构等问题,提出了一种基于随机游走图像分割的颜色传递新方法。首先,引入改进的随机游走图像分割方法对参考图像和内容图像进行分割,得到更加合理的分割区域,如此可以提升结果图像的层次感。其次,利用第(1)部分所提的颜色传递策略在对应区域进行特征匹配以实现颜色传递。最后,引入结构保持滤波器对结果图像作进一步的优化处理,以有效提升结果图像的视觉效果。大量实验结果表明,相比于基于颜色聚类的颜色传递方法,文中所提方法能够取得质量明显更好的结果。(3)目前,尚没有一种公认的评价指标能够对颜色传递效果进行较为全面的客观评价。现有的客观评价方法大都是分别从结构保持程度和颜色保持程度两个方面来进行的,因而它们并不能全面地评价颜色传递的综合效果。并且,部分学者采用图像恢复方面常用的峰值信噪比、结构相似度和特征相似度等指标来衡量结果图像对目标图像结构的保持程度,然而,实践证明这些指标的评价效果并不理想。针对上述问题,文中结合色差和改进的结构相似度设计了一种适用于颜色传递的综合客观评价指标。实验分析表明,文中新设计的颜色传递综合客观评价指标能够有效地解决单一评价指标的片面性问题,可以取得与主观评价高度一致的评价结果。
其他文献
杨梅是浙江省重要的农果经济作物,稳居果树产值第一。然而由于杨梅树大多种植在山地丘陵地区且种植分散,致使果树种植与管理耗费大量的人力物力,因此采取自动化的方法提取杨梅树株数,实现大规模、分散果园的高效管理。但是使用卫星遥感图像提取果树往往面临方法流程繁琐、人力成本高、耗时长等问题。随着计算机软硬件的发展,基于深度神经网络的目标识别方法逐渐应用于农业、交通、医疗等行业。本文提出应用深度神经网络YOLO
目标检测是计算机视觉领域的重要研究方向之一,广泛应用于工业生产中。在检测任务中,对于一张输入图片,检测算法通过学习来区分图片的前景和背景,然后从背景中分离出感兴趣的目标物体,进而判断物体所在的具体位置和所属类别。然而由于小物体面积小分辨率低,使得对于小目标的检测精度不能达到理想的效果。针对小目标检测的问题,本文基于SSD(Single Shot Multi Box Detector)模型做出改进,
随着计算能力的提升,计算机视觉相关技术发展迅速。图像合成技术作为重要其中一个重要分支,同样发展迅速。本文深入研究了图像合成相关技术,介绍传统模型和基于深度学习的图像合成模型实现原理,并总结归纳各自的优势和不足。同时以复杂场景图像生成为主要研究对象,介绍了基于不同条件的图像合成方法实现,以及它们在各自领域的应用和已经取得的成果,并重点介绍了它们在实现包含多个前景对象的复杂场景图像生成任务上的优势和不
语义分割是图像理解的关键部分,是一项基础的计算机视觉任务,其广泛应用于自动驾驶、医疗图像分析、智能监控等领域。现有的语义分割方法大多数都是全监督语义分割方法,全监督语义分割方法需要大量的像素级标注来训练语义分割网络,然而获得大量具有像素级标注的图像集需要很大的时间和人力成本。为了降低人力和时间昂贵的成本,研究者们提出弱监督语义分割方法。弱监督语义分割方法仅仅只需要图像类别等弱标签去训练分割网络,所
室内火灾复杂多变,在应对完全未知的复杂室内环境时,传统人工势场法因为自身缺陷很难成功完成路径规划的任务。近年来,深度学习和强化学习在不断的向前发展,用深度强化学习的方法来实现智能体路径规划任务一直是前沿热点研究。传统的人工势场法应用到复杂的、未知的环境时,会因为目标不可达或局部极值点等原因导致寻路失败。而深度强化学习是通过让智能体在不断“犯错”的过程中,学习到相关躲避障碍物以及寻找目标点的策略,最
在智能化时代背景下,随着智能化的发展,机械手搭载视觉系统就相当于让机械手拥有了“眼睛”,促进工业制造更加智能化、柔性化。工业现场经常需要完成对无序堆叠零件定位的工作,由于单目视觉不能较好的解决这个问题,因此需要依靠人工或者振动机构将无序堆叠零件平整放置,然后利用单目视觉进行后续操作,影响了生产效率,增加了制造成本。为提高企业的生产效率,促进自动化的进一步发展,本论文针对无序堆叠问题开展了基于双目视
互联网高速发展,使得出现了一大批新型产业,其中电商是收获最大的产业。电商通过整合和分析数据,提供个性化的推荐服务给消费者,其新颖、便捷等特点吸引了大量的消费者。然而实体零售企业由于自身设备、数据标准不统一或其他原因,无法实现企业间的数据共享,无法优化自身服务,导致无法留住消费者。因此,为了改变实体零售企业存在的困境,需要一个安全共享数据平台。然而传统的大数据交易平台是第三方平台,其存在着成本高、收
随着汽车工业和物联网技术的飞速发展,车载应用与服务日渐丰富给计算资源有限的车辆造成了很大的困扰。针对车联网“低延时、高带宽、高可靠性”的严格要求,将移动边缘计算(Mobile Edge Computing,MEC)技术引入是一个很好的解决方案,MEC将云计算服务下沉至无线网络边缘侧,在车载终端附近能够提供计算服务,从而弥补了云服务器远程传输过程带来的延迟干扰,更容易满足用户服务质量。目前,学术界和
目前,无线传感器网络(Wireless Sensor Networks,WSN)已成为第四次工业革命的技术制高点,是由大量的传感器节点等通过自有方式构成的一种无线通信系统。这种网络可以利用传感器节点来监测处于各种地理区域中的相关物理或环境信息,将对人类的生产生活方式带来巨大变革。然而,其运行分布恶劣动态性强的广域环境,存在各类突出问题,如断续链接、网络效率低下等,使得WSN的应用环境及相关条件受到
随着现代生产向自动化、连续化、智能化和高效化发展,相应的生产设备需安全可靠且连续运转,其中设备润滑是影响生产设备安全可靠及连续运转的关键因素之一。设备的传统润滑方式是由人工定时巡检与加注润滑剂完成,不能满足现代生产的“四化”发展要求。随着计算机技术的发展,设备润滑也朝着自动化方向发展。目前设备的自动润滑有集中式和分布式两种形式,集中式自动润滑适合于润滑点位置相对集中且润滑要求相近的设备润滑场合,该