雨密度感知分类引导扩张网络对单张图片去雨

由于图像中的雨线条纹具有不同形状、尺寸且分布不均匀,单一神经网络学习分布不均匀的雨密度能力弱,去雨效果不显著,对此提出雨密度感知引导扩张网络对单张图片去除雨的方法。网络分为两部分:(1)雨密度感知网络对不同密度雨的图片进行分类(大雨、中雨、小雨);(2)联合雨密度感知分类信息引导扩张网络学习不同的雨密度特征细节,用于检测雨线和去雨。实验证明了该方法在合成和真实数据集上去雨的有效性。

单张树木图片中被遮挡枝干的贝叶斯推理及重建

采用单张树木图像作为输入,仅需用户简单勾勒,即可自动生成图片中该树木三维可见枝干。为了构建被叶片遮挡的枝干不可见部分,依据树木植物学特征建立了枝条模型样本库,设计了针对不可见枝干建模的评价策略,提出了基于贝叶斯推理的枝干参数优化算法。实验结果表明,基于贝叶斯推理的轻量级树木建模方法能够有效的改进树木三维模型的效果,可为基于单张图片的树木三维建模及优化提供了新的思路。

基于新视角合成的视频摘要交互式浏览

方法大多仅在固定视角下对视频内容进行压缩,限制了视频内容的浏览空间,导致压缩后的视频内容相互碰撞和遮挡.最近的方法改变视频内容的时空关系,但导致摘要结果与原始视频的相似度降低.本文研究基于新视角合成技术的交互式摘要视频浏览算法,通过为视频内容构建新的观察视角,增加视频浏览空间,从本质上减少视频内容碰撞和遮挡的可能性.为完全避免碰撞现象,提出了特定视角下投影遮挡消除技术,仅需较小地改变视频内容的时空关系,保证摘要视频与原始视频内容的一致性.最后,为方便用户交互式浏览摘要视频,构建了观察视角自动生成算法,根据当前摘要内容实时推荐并调整到最优观察视角.实验结果和用户调查表明本文提出的交互式视频摘要算法能有效压缩视频冗余信息,提高了摘要视频准确度、易理解程度.

面向图像超分辨率的上下文字典学习

基于稀疏表示理论,提出了一种面向单张图片超分辨率的字典学习方法。通过对训练数据进行分类,期望在每一类训练数据训练字典的过程中,增强类内的上下文信息。与之前的面向图像分类的字典学习方法所不同的是,训练数据集由高分辨率图像块和对应的低分辨率图像块共同组成,这使训练得到的字典更适用于图像重构。利用有限的训练数据集,基于上下文的字典学习方法能够提高字典表示的拓展能力,消除由多重训练数据子集带来的冗余。