直线特征保持的立体图像缩放

近年来随着3D显示设备的普及,内容感知的立体图像缩放问题得到了国内外学者的关注.与2D图像缩放不同,立体图像缩放不仅需要保持并突显图像显著区域,还必须保持立体图像视差的一致性.文中提出了一种立体直线特征保持的立体图像缩放的方法,通过在基于网格变形的图像缩放的方法中引入立体直线特征保持和内容感知的随机匹配点等约束条件,在保持立体图像视差的一致性的同时,较好地保持立体图像中直线区域的直线特征.首先,基于立体图像视差图,定义立体图像Hot-target图,检测立体图像显著区域,并获取立体图像直线特征;其次,引入内容感知的随机匹配点作为视差一致性约束;最后,构建基于四边域网格的受限能量模型,优化实现立体图像缩放.文中提供了若干实验数据说明该方法是有效的.

垂直方向立体接缝雕刻缩放算法

立体图像缩放是图像处理领域的重要研究内容.Basha等人^([14])提出一个新颖的立体接缝雕刻(stereo seam carving)算法,但是由于无法避开立体图像左右视图中的视角外区域和被遮挡区域,Basha方法在选取水平走向立体接缝时会出现同列多像素和间隔缝隙现象.因此,Basha方法不适用于垂直方向的立体图像缩放处理.针对Basha方法的上述局限性,作者提出了一种适用于垂直方向缩放的几何一致性立体接缝雕刻(stereo seam carving)算法.首先,作者引入基于视差的实投影和虚投影两个策略,以解决Basha方法中出现的同列多像素和间隔缝隙现象,并提出了一种新的水平走向立体接缝定义.然后基于该定义,提出了一个改进的几何一致性立体接缝雕刻算法,该算法不仅保持原Basha算法在水平方向的缩放功能,同时较好地实现垂直方向的立体图像缩放.作者提供了若干实验数据说明算法是有效的.

2维至3维图像/视频转换的深度图提取方法综述

目的深度图提取是计算机视觉领域的研究热点。随着3D显示设备的普及,2D-3D图像/视频转换的深度图提取研究受到越来越多国内外学者的关注。为此回顾深度图提取研究历程,并对已有成果进行分类、概括和评述。方法由于深度图提取方法的实现主要依赖于深度线索,不同方法存在人机交互程度上的差异。采用基于深度线索和基于人机交互程度的两种分类方法进行归纳评述。结果 根据深度线索的不同,将深度图提取方法分为基于单目线索的方法、基于双目线索的方法和基于混合线索的3类方法。然后从人机交互的角度,将深度图提取方法分为人工法、半自动法和全自动法。介绍了这些方法的基本思想,比较归纳不同方法的优点与不足。最后,阐述了近年来热门的机器学习方法在深度图提取的应用。结论对深度图提取研究进行简要的总结和展望。指出深度图提取研究具有从研究热点中挖掘创新思路、引入新的深度线索等发展趋势。