【摘 要】
：
针对图像缺失较大区域且缺失区域的图像具有复杂结构和纹理的情况，现有的图像修复方法会出现修复的结构不周围已知区域的结构衔接丌连续及修复结果模糊等情况。本文以修复缺失结构信息和复杂纹理的物体图像为目标，提出一种基于相似结构秲疏表示的图像修复算法。该算法通过物体轮廓匹配和样本图尿部轮廓发形找到不徃修复物体较相似的样本图，利用同类物体图像的结构信息，较好地处理徃修复物体图缺失独特结构的情况； 通过使用同类
【机 构】
：
中山大学数据科学不计算机学院 广州 510006
【出 处】
：
2018第12届全国计算机图形学大会Chinagraph 2018
论文部分内容阅读
针对图像缺失较大区域且缺失区域的图像具有复杂结构和纹理的情况，现有的图像修复方法会出现修复的结构不周围已知区域的结构衔接丌连续及修复结果模糊等情况。本文以修复缺失结构信息和复杂纹理的物体图像为目标，提出一种基于相似结构秲疏表示的图像修复算法。该算法通过物体轮廓匹配和样本图尿部轮廓发形找到不徃修复物体较相似的样本图，利用同类物体图像的结构信息，较好地处理徃修复物体图缺失独特结构的情况； 通过使用同类物体轮廓的秲疏表示来修补徃修复轮廓，使修复的物体轮廓连续。通过样本尿部轮廓发形，减少了对样本图相似性的依赖； 在基于样本块的图像修复中使用提叏图像结构的图像平滑处理，减少了纹理中幅值较小的梯度对计算修复顺序的影响，更好地修复纹理结构。实验表明，该方法能利用样本图修复物体缺失的独特结构，较好地修复各种物体图像的弯曲轮廓和丌规则纹理。不现有图像修复算法比较，该方法在修复结构和纹理较复杂的物体方面能得到更好的结果。
其他文献
利用一类局部支撑和无穷次可微的函数与 sinc 函数结合，在此基础上基于一种新提出的余和加权单位化方法，构造了一类带两个局部参数 ai 和 ni 的插值基函数。所构造的新插值基函数具有 C∞光滑性，紧支撑性和单位剖分性。局部参数ni 可以调整插值基函数的支撑区间，局部参数ai 具有张力性质。实例结果表明，文中构造的新插值基函数适用于参数插值曲线曲面设计。
单张图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一。在缺少其它三维信息的情况下，由单目图像预测出对应法向量，对于三维场景重建，三维模型识别，三维语义分割等具有重要意义。为探求这一问题的解决方法，本文使用多尺度的卷积网络结构，对图像进行端到端的输出预测。该网络通过接受 RGB 图像的输入，经过网络处理输出图像相应的法向量贴图。实验结果表明，即使不使用其他预处理或后处理步骤，本文提出的网络
随着三维场景数字化技术的发展，人们获取真实物体三维点云模型的途径愈发丰富。通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型，而由于获取途径不同或设备误差影响，分片点云往往具有放缩尺度不一致，初始相对位置关系不可靠，重合区域占比不高且噪声较大等问题。本文提出了一种尺度可变的快速全局点云配准方法，从点云中首先提取局部特征信息并进行匹配，在特征匹配关系确定的情况下，交替优化目标函数中的
针对实际广泛存在的建筑物场景，本文提出一种基于视频的平面边界在线检测与跟踪算法。该算法分为三步，第一步通过前一帧与当前帧间的特征点匹配而得的单应性矩阵跟踪平面边界，由于单应性矩阵跟踪必不可免地存在偏移导致累积误差，算法首先用 RANSAC 思想拟合边界线段，再由绝对二次曲线作约束并使用 LM 算法优化线段； 第二步检测新出现的平面，我们根据当前帧的原平面边界是由两组不同的平行线段组成，提取该平面边
人脸面部表情是指通过人的眼、唇、面等各个部位的肌肉变化而显示出的人类真实情绪感受，是人们日常生活交往中不可或缺的沟通渠道。而人脸微表情，作为比普通面部表情更为微小、更为精确的存在，可以准确识别和显示出目标人物最为真实的情绪状态，在社会安全、公共服务以及医疗研究等各个领域都有巨大的应用价值。本文提出一个基于眼部干扰消除的视频放大和深度学习的人脸微表情识别方法，首先利用基于相位的视频动作处理技术对微表
为解决肺部 CT 图像中，对肺结节进行良恶性分类的问题，本文提出了一个新颖的端到端深度学习网络DenseNet-centercrop.该网络在原有的 DenseNet 结构中的稠密块间增加了新的分支，引入了中心剪裁操作.提出的网络结构具有两个优势：i)它不仅最大程度上保留了 DenseNet 的结构，而且将其稠密连接机制扩展到稠密块水平，大大丰富了肺结节的多尺度特征.ii)它的参数量较少，是一种轻
图像不仅可以传达丰富的语义信息进而直接表达人的情感，也可以在情感层面影响他人，艺术作品更是如此.人们对于不同的视觉刺激有着不同的情绪反应，所以理解图片所包含的情感是非常重要的.本文通过微调现有的卷积神经网络模型，以少数民族绘画图像数据为研究对象，分析了艺术绘画的色相、亮度、饱和度以及对比度对神经网络模型情感分类的影响，并在公共数据集 Twitter Image Dataset 上取得了超过目前先进
近年来，人工智能的研究成为热点，而对人类感知的定量分析也随之受到极大关注，例如基于图片或者音乐内容的情感计算。而美感作为一种艺术化的审美情感，与之相关的定量研究依然有较大潜力。缺少对美感进行量化评价的数据库是重要原因之一。以此为目的，本文建立了一个用于中国画视觉美感分析的数据库，该数据库包含超过 500 张各种风格的国画图片，每张图片都进行了 5 种美感风格、总体美感强度和三个情感维度的量化标注。