高真实感可视媒体的智能编辑与合成

发布时间：2017-07-29 16:15

  本文关键词：高真实感可视媒体的智能编辑与合成

  更多相关文章： 可视媒体 图像合成 高真实感 高智能度

【摘要】：随着计算机技术和互联网的快速发展,可视媒体已成为互联网时代视觉信息展示和传输的重要媒介。与其他信息传输模式相比,可视媒体兼具数字化、普适性和直观性等特点。随着可视媒体采集设备的发展与普及,高质量可视媒体逐渐成为普通用户生活中不可或缺的信息承载、储存和展示方式。同时,随着计算机硬件的高速发展,可视媒体的数字编辑和合成方法被广泛用于各种商用软件和产业中,比如广告、新闻、电影、移动应用等。由于普通用户可获取的可视媒体质量逐渐提高,可视媒体的编辑与合成算法已经不局限于能否得到结果,算法是否具有高智能度,能否生成高真实感的结果,变的尤为重要。本文围绕可视媒体的编辑合成问题,从提高编辑过程的智能度、编辑结果的真实感为切入点,针对目前可视媒体编辑合成领域中的编辑传播算法、变化盲视图像、阴影去除等问题进行了深入研究和实验,并提出了一系列方法。本文主要的技术创新点如下:?提出了编辑传播算法中走样瑕疵的自动恢复算法。传统的编辑传播算法由于没有考虑像素的反走样信息,会在物体边缘像素产生走样瑕疵。本文分析了走样瑕疵产生的原因,提出了一种称为反走样图的像素表达方式。基于反走样图,本文设计了高效的走样瑕疵自动恢复算法,在编辑传播问题中应用该算法后,走样瑕疵可以被消除。?提出了基于认知心理学的变化盲视图像的自动合成算法。传统的变化盲视图像必须人工合成,并且盲视程度很难控制。本文基于认知心理学,通过用户实验和模型学习,对变化盲视这一感知现象进行了研究,提出了首个描述变化盲视程度的定量模型。基于该模型,本文提出了全自动的难度可控变化盲视图像合成算法,提高了变化盲视图像合成的智能度。?提出了基于单幅图像的投射阴影自动检测与去除算法。投射阴影直接影响着图像的整体质量和图像识别的准确度。针对传统阴影去除算法普适性和真实性较差,且依赖于用户交互的缺点,本文提出了基于片元匹配的投射阴影检测与去除算法,并采用参数学习、模型训练等策略保证了算法的鲁棒性。该系统能够对大部分场景的投射阴影进行自动检测,并合成出高真实感的无阴影图像。
【关键词】：可视媒体 图像合成 高真实感 高智能度
【学位授予单位】：清华大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-21
• 1.1 可视媒体编辑合成概述9-14
• 1.1.1 可视媒体的基本表达方式9-10
• 1.1.2 可视媒体编辑合成的主要原则10-11
• 1.1.3 可视媒体编辑合成的主要研究方向11-14
• 1.2 高真实感可视媒体的智能编辑合成及相关问题14-18
• 1.2.1 高真实感15-16
• 1.2.2 高智能度16-18
• 1.3 本文的研究工作和组织结构18-21
• 第2章 编辑传播算法中走样瑕疵的自动恢复21-38
• 2.1 研究背景与意义21-23
• 2.2 相关工作23-24
• 2.2.1 图像/视频编辑23-24
• 2.2.2 反走样恢复24
• 2.3 反走样图24-29
• 2.3.1 反走样恢复的基本概念25-26
• 2.3.2 反走样图的计算26-29
• 2.4 编辑传播框架29-33
• 2.4.1 基于优化的编辑传播30-32
• 2.4.2 基于插值的编辑传播32-33
• 2.5 算法对比与算法结果33-35
• 2.5.1 算法对比33-34
• 2.5.2 算法结果34-35
• 2.6 本章小结35-38
• 第3章 基于认知心理学的变化盲视图像的自动合成38-60
• 3.1 研究背景与意义38-40
• 3.2 相关工作40-42
• 3.2.1 变化盲视40
• 3.2.2 视觉重要性40-41
• 3.2.3 邻域相关性41
• 3.2.4 心理学感知在图形学的应用41-42
• 3.3 方法概述42-44
• 3.4 变化盲视定量模型44-48
• 3.4.1 修改量的定义44-45
• 3.4.2 邻域相关视觉重要性算法45-48
• 3.5 全自动变化盲视图像的优化合成48-49
• 3.6 实验结果49-59
• 3.6.1 用户实验49-50
• 3.6.2 模型参数的优化计算50-51
• 3.6.3 模型的准确度51-53
• 3.6.4 关于邻域相关视觉重要性模型53-55
• 3.6.5 算法结果55-57
• 3.6.6 讨论57-59
• 3.7 本章小节59-60
• 第4章 基于单幅图像的投射阴影的自动检测与去除60-89
• 4.1 研究背景与意义60-62
• 4.2 相关工作62-64
• 4.3 阴影模型的学习64-67
• 4.4 算法整体框架67-68
• 4.5 全阴影图的生成68-73
• 4.5.1 基于图像块的片元匹配算法(GGPM)68-71
• 4.5.2 阴影参数的预测71-73
• 4.6 投射阴影的检测73-76
• 4.6.1 全局平滑和量化74
• 4.6.2 投射阴影位置的检测74-75
• 4.6.3 阴影边缘的优化75-76
• 4.7 投射阴影的去除76-82
• 4.7.1 基于片元的图像合成77-80
• 4.7.2 自适应局部颜色校正80-82
• 4.8 算法结果和相关讨论82-85
• 4.9 本章小结85-89
• 第5章 总结与展望89-93
• 5.1 全文工作总结89-91
• 5.2 未来工作展望91-93
• 参考文献93-102
• 致谢102-104
• 个人简历、在学期间发表的学术论文与研究成果104-105

【相似文献】

中国期刊全文数据库 前10条

1 曾爱华,殷瑞祥,崔海霞;基于小波的图像插值方法[J];河南科技大学学报(自然科学版);2005年02期

2 杨金柱;赵大哲;徐心和;;基于距离场的非线性图像插值分割方法[J];东北大学学报;2006年08期

3 张玉叶;王学伟;王春歆;;图像插值分析的交互式分层复原[J];光电工程;2008年05期

4 王亮;黄晓涛;周智敏;;2维复图像插值技术研究[J];中国图象图形学报;2008年08期

5 符祥;郭宝龙;;图像插值技术综述[J];计算机工程与设计;2009年01期

6 郝鹏威，，朱重光;基于小波的图像插值方法[J];遥感学报;1998年02期

7 邱伟;;浅谈图像插值技术[J];科技致富向导;2011年17期

8 谭璐,吴翊,刘卓;高维图像数据的最优表达[J];国防科技大学学报;2003年05期

9 张辉;胡广书;;基于二维卷积的图像插值实时硬件实现[J];清华大学学报(自然科学版);2007年06期

10 李锌;张飞舟;;基于再生核滤波器的边缘保护图像插值方法[J];计算机工程与应用;2008年13期

中国重要会议论文全文数据库 前4条

1 胡巍;张桂林;陈朝阳;;基于正交函数积分理论的图像插值方法[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 姚春莲;高丽华;陈谊;李炜;;基于图像插值的帧内预测[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 肖义男;文玉梅;罗毅;;基于边缘敏感滤波的图像插值模糊消除[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

4 仵冀颖;阮秋琦;;偏微分方程约束的非局部均值图像插值模型[A];第十三届全国图象图形学学术会议论文集[C];2006年

中国重要报纸全文数据库 前1条

1 ;爱国者自然窗330T[N];中国计算机报;2001年

中国博士学位论文全文数据库 前10条

1 马里千;高真实感可视媒体的智能编辑与合成[D];清华大学;2015年

2 魏平;数字乳腺钼靶图像的软拷贝显示技术研究[D];浙江大学;2009年

3 Rukundo Olivier;灰度图像插值优化方法的研究[D];华中科技大学;2012年

4 刘芳;图像可逆信息隐藏技术若干问题研究[D];大连理工大学;2013年

5 刘哲星;医学图像回溯性配准研究[D];第一军医大学;2002年

6 许博谦;星载相机微振动下图像补偿技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年

7 付晓薇;基于量子力学的图像处理方法研究[D];华中科技大学;2010年

8 张健;复杂图像文本提取关键技术与应用研究[D];南开大学;2014年

9 冯宇平;图像快速配准与自动拼接技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

10 魏昱;图像显著性区域检测方法及应用研究[D];山东大学;2012年

中国硕士学位论文全文数据库 前10条

1 翟珍珍;多尺度分析方法在医学影像诊断系统中的应用研究[D];郑州大学;2015年

2 王凤娇;基于眼动数据的分类视觉注意模型[D];北京交通大学;2016年

3 刘一方;基于含参有理函数的图像插值理论及技术研究[D];山东财经大学;2015年

4 宁丽华;基于图像插值的集群系统在视频中的应用研究[D];电子科技大学;2008年

5 高月芳;图像的变形及三维重建技术研究[D];合肥工业大学;2003年

6 高欣玮;基于压缩视频的图像插值技术研究[D];哈尔滨工业大学;2011年

7 张健;图像插值及帧率提升算法研究[D];哈尔滨工业大学;2009年

8 罗立彦;图像插值与离散曲面去噪[D];浙江大学;2006年

9 牛艳霞;基于曲率驱动的图像修补方法[D];郑州大学;2007年

10 吕微微;基于情感的图像分类算法研究与实现[D];北京交通大学;2012年

本文编号：590002