一种基于TV模型的自适应图像修复方法

图像修复是数字图像处理的重要内容,可用于被损坏的图像和视频修复、视频文字去除以及视频错误隐藏等。基于TV模型的修复方法有较好的恢复效果,但对参数的选取比较敏感,且运算量较大。本文提出了一种基于TV模型的自适应图像修复方法,与原方法相比可以有效提高该算法的稳健性,并能显著的减少运算时间。

一种基于Poisson方程的分离型图像修复方法

图像修复是一种恢复图像中损坏部分的技术,具有广泛的应用。基于采样复制的修复方法对纹理图像有较好的效果,但容易产生块效应,而且对结构信息的修复可能产生较大的偏差。本文提出了一种基于Poisson方程的分离型修复算法,首先将原图分解为结构图像和纹理图像两部分,然后根据其特性分别进行修复,叠加后得到最终的修复结果。对结构图像使用Laplacian算子强化结构信息,然后对Laplacian场进行修复并使用Poisson方程重建,可以同时保持锐利的区域边界以及平滑的区域背景。实验表明该方法可以有效改善修复的视觉效果,对大区域修复也有良好的表现。

视频字幕去除系统的设计及实现

老式视频中固化的字幕影响了不同语种间视频的交流和处理。论文基于视频字幕的特点,提出了一种视频字幕的定位及提取方法,并结合图像修复技术,实现了一个自动视频字幕去除系统。实验结果表明,该系统能够较好地去除字幕。

基于匹配追逐的视频压缩加密方案

加密是视频安全传输的关键技术之一。通常视频加密是在一定的压缩框架下进行加密,由于变换后系数分布一般都具有一定的统计特性,而对变换系数进行完全置乱就会破坏这些特性,导致比特率增加。从便于加密的角度出发,联合考虑视频的压缩和加密,提出一种基于匹配追逐(matching pursuit)的视频压缩加密方案,该方案首先构造基于匹配追逐的视频压缩平台,由于视频信号经匹配追逐分解后,其分解系数的分布取决于字典的选取和输入信号空间特性,即变换系数的分布是随机的,再对变换系数进行完全加密,提高数据的安全性而不会改变压缩效率。实验结果证明了该方案的有效性。

基于PAF的深度图人体姿态估计

采用Part Affinity Field(PAF部分关联域)与卷积神经网络(CNN)结合的模型,解决深度图像下人体姿态估计问题。首先,通过CNN得到人体的一组特征图。然后,使用CNN分别提取其关节点信息以及PAF信息。最后,采用图论的匹配方法对各个关节点进行推理,将同一个人的关节点连接起来得到估计结果。实验结果表明,文中方法可以很好应用于深度图场景下。

基于U型卷积神经网络的航空影像建筑物检测

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。