项目名称: 图像破损结构的三维重建理论研究

项目编号: No.61271326

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 何凯

作者单位: 天津大学

项目金额: 70万元

中文摘要: 大区域复杂背景图像的自动修复是当前多媒体图像处理领域的研究热点,而图像破损结构信息的重建则是解决这一问题的关键。由于缺乏有效的三维建模方法,当前结构重建算法大都是在二维空间进行,对结构信息缺乏完整的描述,难以实现其完整修复和自动传播。课题拟利用图像分解技术,将近年来出现的Kansa三维建模方法引入图像处理领域,开展对图像结构信息三维重建理论的基础性研究,以实现图像破损结构信息的自动传播和完整修复。课题主要研究内容包括:根据结构图像三维建模的需要,研究能够反映图像结构特征的建模中心点自适应选取方法,并在此基础上,确定结构信息三维重建的数学模型和具体方法;研究图像分解参数的最优化选取方法;根据图像结构的三维模型,分析和改进已有纹理合成方法,实现二者的有机结合;改进传统纹理合成方法,研究能够适应不同图像结构的样本块大小自适应选取方法,为大区域复杂背景图像的自动修复提供新的方法和理论依据。

中文关键词: 图像修复;结构传播;3维建模;纹理合成;

英文摘要: The image inpainting in large region with complex background is the hot research topic in the field of multimedia image processing, while the reconstruction of damaged image's structure information is the key of solving this problem. Due to the lack of effective 3D modeling method, current structure reconstruction algorithms are mostly realized in 2D space. It is difficult to achieve complete restoration and automatic propagation of structure information with current methods for lacking of a complete description of structure information. This project intends to introduce the Kansa 3D modeling method to the image processing field with image decomposition technique, and develop basic research of image structure's 3D reconstruction theory to realize the automatic propagation and complete restoration of image's structure information. The main research topics of this project include: developing an adaptive test points selection method according to the requirment of image structure 3D modeling; determining the mathematical model and realizable method for 3D reconstruction of image structure information based on the selected test points; researching the optimal selection method of image decomposition parameters; analyzing and improving the exist texture synthesis methods to achieve their organic combination according t

英文关键词: Image Inpainting;Structure Propagation;3D Modeling;Texture Synthesis;

成为VIP会员查看完整内容
1

相关内容

图像修复(英语:Inpainting)指重建的图像和视频中丢失或损坏的部分的过程。例如在博物馆中,这项工作常由经验丰富的博物馆管理员或者艺术品修复师来进行。数码世界中,图像修复又称图像插值或视频插值,指利用复杂的算法来替换已丢失、损坏的图像数据,主要替换一些小区域和瑕疵。
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
27+阅读 · 2021年10月6日
算法分析导论, 593页pdf
专知会员服务
147+阅读 · 2021年8月30日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
114+阅读 · 2021年1月11日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
ICCV2019 | 高精度,高效率点云三维重建 PointMVSNet
计算机视觉life
23+阅读 · 2019年9月5日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
CVPR 2018 论文解读 | 基于GAN和CNN的图像盲去噪
PaperWeekly
13+阅读 · 2019年1月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
15+阅读 · 2018年6月23日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
27+阅读 · 2021年10月6日
算法分析导论, 593页pdf
专知会员服务
147+阅读 · 2021年8月30日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
114+阅读 · 2021年1月11日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
ICCV2019 | 高精度,高效率点云三维重建 PointMVSNet
计算机视觉life
23+阅读 · 2019年9月5日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
CVPR 2018 论文解读 | 基于GAN和CNN的图像盲去噪
PaperWeekly
13+阅读 · 2019年1月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员