一种基于K-means与Close-Form融合的树木图像提取方法

基于图像的树木自动提取是其种类、长势、形态等信息智能化判别的基础,如何实现树木的自动、准确、快速提取是具有实用性的科学问题。在自然场景中,由于图像元素多样、颜色差异大,树木自身存在不规则性,树木提取难度非常大。针对现有的图像分割与图像抠图法在树木提取过程中分别存在的误分割与过程复杂所导致的计算量大的问题,提出了一种基于K-means聚类算法优化Close-Form图像抠图的树木提取方法。在少量的标记下,依据颜色线性假设进行最小化代价函数计算,得到图像透明度;对透明度图像依次进行中值滤波、高斯滤波,得到透明度的去噪图像;对滤波后透明度与标准化的图像绿色分量组成二维空间进行K-means二聚类,实现背景与前景对象的准确判定,进而完成自然背景的树木图像提取。为了验证所提方法在不同场景和不同标记下的树木提取有效性,设计了基于K-means图像分割和传统Close-Form抠图方法的比较性试验。结果表明,基于K-means优化Close-Form的树木提取方法解决了传统Close-Form算法在少量标记下图像前景、背景估计不准确问题,克服了图像分割存在的误分类情况,实现了不同自然环境和多目标树木对象的提取。此方法具有对象提取稳定、计算时间快的优点,相对原Close-Form算法用时减少49.98%。

一种实时的自动抠图方法研究

图像的抠图是图像处理的一个基本问题,其本质是一个欠定的问题.目前流行的大部分抠图方法都需要用户进行交互操作,例如用户需提供三分图或者前背景的草图等.文中提出一种实时的自动抠图的方法,首先输入左右两幅图像,利用实时立体视觉方法生成深度图.接着根据深度图,通过阈值分割,得到比较粗糙的三分图.再利用粗糙的三分图来指导闭合形式解的抠图,从而得到比较精确的抠图结果.这种方法处理速度较快,抠图的质量也较高,因而完全可以满足实时的应用需要.

基于语义分割的图像风格迁移技术研究

随着民族服装文化的碰撞与融合,对图像风格迁移技术进行了研究,阐述了当前风格迁移的研究现状,将蒙古族服饰风格与汉族风格进行融合,继承和弘扬了民族文化。针对蒙古服饰元素多样、颜色差异大、花纹不规则性等特征而引起的风格提取难度大的问题,采用K均值与封闭式自然抠图算法相结合的方法进行图像分割,基于神经网络提取图像的风格和内容,利用图像重建技术合成结果图,实现蒙汉服饰图像风格迁移;针对输出图像伪影严重的问题,采取一种改进的图像风格迁移算法,将输入图像到输出图像的变换约束在色彩空间的局部仿射变换中,将这个约束表示成一个完全可微的参数项,有效抑制图像扭曲,针对真实照片风格迁移过程中存在的空间不一致问题,进行平滑处理确保风格处理后空间风格一致,该方法大大加快了运算速度。

基于闭合解抠图算法的图像边缘分割改进研究

基于深度学习模型的图像分割方法是一种语义级别的粗粒度级图像分割方法,该方法在池化、上采样过程中会出现图像的部分高频信息丢失,导致被分割目标的边缘精程度降低。基于此,笔者提出一种基于面向三色图的闭合解抠图算法的图像边缘分割算法,并引入全局颜色空间模型,以实现优化目标图像边缘效果的目标。

基于前景与透明度联合求解的多层次仿射类抠像与合成方法

数字图像抠像与合成问题是虚拟现实中的经典问题.抠像问题需要根据抠像公式,从输入图像准确地提取出前景物体的透明度(α)和前景物体的颜色值,而合成问题仅使用抠像结果与新背景图像进行结合,使其成为新的合成图像.然而,目前很多抠像算法仅局限于抠像部分的α值的计算,忽略了用于后续合成步骤的前景颜色的计算.这实际上仅限于理论研究,脱离了抠像问题的合成应用层面.同时,其他一些兼顾计算前景颜色算法的效果仍然不理想,而且也仍然缺乏合成图像数据集和对合成图像的比较.本文充分利用仿射类方法中搜索范围灵活可变的优势,采用实体像素与混合像素进行分级处理的3层次结构,联合求解出最终的α值和前景颜色.其中,每个层次均利用前向层次的先验,结合仿射类方法的像素相关性以及颜色拟合性约束,采用闭合形式进行求解.在实验中,本文不仅针对α层面进行比较,而且在数字抠像领域中首次引入针对合成图像层面的比较.在合成层面中,本文针对输入图像及各型号的三分模板(Trimap),均引入了白色背景和相应的自然图像背景.同时各方法的真实的α值和前景颜色不仅与这些背景进行了常规合成,而且也进行了一种单纯α层面的合成.实验结果表明,在数值评价结果和视觉效果方面,本文方法的最终α结果与上述各种合成效果均优于目前已有的抠像与合成方法及一些新生成的方法.