一种新的基于二尺度分解的图像和谐融合方法

介绍了一种新颖的图像融合算法。该方法首先将图像的亮度通道进行分解,然后对分解后的层使用不同的方式进行处理。该方法使用均值插值法来解决图像融合问题。实验表明,该方法在外观不同的图像上能够获得比较满意的结果,融合结果和目标图像的细节纹理匹配完好且无缝。此外,基于图形处理器(GPU)的并行实现提高了算法的效率。

偏度和峰度的图像色彩和谐变化

目的当图像颜色较多时,使用Cohen-Or方法进行和谐变化之后的图像颜色丢失严重,和原图像相差较远,并且该方法在计算图像最优和谐模版类型时时间开销大。方法鉴于此,本文引入用于描述变量所有取值分布形态偏向和陡缓程度的偏度和峰度来计算图像的和谐模版灰色区域H值范围,将七种和谐模版分类合并到X、T两大类,按照灰色区域损失最少为最优模版的原则,调整计算出来的和谐模版灰色区域H值到X或者T和谐模版的灰色区域中,采用标准高斯函数将颜色正态迁移到调整后的色彩和谐模版灰色区域中,最终实现图像色彩和谐变化。结果实验结果表明,本文的图像和谐变化结果能和原图像保持较高的相似度,颜色损失较少,并大大降低了和谐变化所需的时间,一幅450×423图像和谐处理的时间开销由原来的2 549.78 s降低为13.869 3 s。结论使用本文方法和谐变化之后的图像最大限度地保持了原有图像的颜色风格,可以为灰度图像着色、图像之间的色彩迁移、工业产品风格转移等应用提供帮助。

电影《无穷动》中的有限静止

电影《无穷动》中的有限空间静止,揭示出"女权主义"电影语言中存在的动感图像与静止图像感知信息的当代性和谐互动关系。影片中表现的都是女性视野中的男性,运动镜头比较多。这表明《无穷动》是一部女性化的当代电影,它的意义在于从当代快速的"无穷动"中找到女性视角中特别的静止,以构成人类当代艺术质性与外部形式的和谐。

深度学习图像合成研究综述

图像合成一直是图像处理领域的研究热点,具有广泛的应用前景。从原图中精确提取出前景目标对象并将其与新背景合成,构造尽量接近真实的图像是图像合成的基本目标。为推动基于深度学习的图像合成技术研究与发展,本文论述了当前图像合成任务中面临的主要问题:(1)前景对象适应性问题,包括前景对象相对于背景图像的大小、位置、几何角度等几何一致性问题,以及前后景互相遮挡、前景对象边缘细节模糊的外观一致性问题;(2)视觉和谐问题,包括前后景色彩、对比度、饱和度等不统一的色调一致性问题,及前景对象丢失对应阴影的阴影缺失问题;(3)生境适应性问题,表现为前景对象与背景图像的逻辑合理性。总结了目前为解决不同问题主要使用的深度学习方法,同时对不同问题中的合成图像结果进行质量评估,总结了相应的评价指标,并介绍了为解决不同问题所使用的公开数据集,同时进行了深度学习方法的对比,描述了图像合成技术的主要应用场景,最后分析了基于深度学习的图像合成技术中仍然存在的不足,同时提出可行的研究意见,并对未来图像合成技术发展方向提出展望。