项目名称: 基于多尺度边缘感知的图像平滑和分层编辑研究

项目编号: No.61202293

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 梁云

作者单位: 华南农业大学

项目金额: 25万元

中文摘要: 边缘感知的图像平滑和分层编辑可突破传统相机的限制,生成更多视觉冲突、更有吸引力的图像,具有重要应用价值,是当前的研究热点。然而传统主流的方法无法合理控制不同尺度的边缘,常丢失纹理细节、模糊显著边缘、残留噪声。本项目致力于研究感知和操控多尺度边缘的图像平滑和分层编辑方法,主要研究:(1)多尺度边缘感知的图像平滑方法。通过分离和编辑不同尺度的边缘,设计出保留纹理、增强显著边缘、消除噪声的平滑方法,实现多尺度边缘保持的图像滤波;(2)建立边缘自适应的迭代平滑模型,自动调整每次平滑时各尺度边缘被锐化的程度,提供边缘保持的迭代平滑方案,可用于生成艺术化风格的图像;(3)基于新设计的迭代平滑方案,构建调整了失真边缘的、基于边缘感知图像分解的图像分层编辑方法,以提供无边缘模糊、无梯度反转的色调映射和细节增强方法。研究成果将在数字家庭平台上推广应用,如为数字电视提供更高清的画面或艺术化风格的图片。

中文关键词: 图像平滑;分层编辑;边缘感知;图像分解;多尺度边缘

英文摘要: Edge-aware image smoothing and hierarchical editing has recently emerged as a valuable tool and received considerable attention from researchers. It breaks out the limitation of traditional camera by producing images with more visual conflict and attraction. However, the traditional edge-aware image smoothing and hierarchical editing methods cannot effectively manipulate edges with different scales, and usually lead to losing textures, fusing salient edges and preserving noise in image processing. The research of this project aims at studying the method to identify and manipulate multi-scale edges in image smoothing and hierarchical editing. The main research includes the following three parts: (1) Study the method of multi-scale edge aware image smoothing. By separately editing edges with different scales, we will design a new smoothing method which can preserve textures, enhance edges and filter noises in image smoothing. This method can be used to filter image while preserving its multi-scale edges. (2) Build an edge-adapting iterative image smoothing model which can adaptively adjust the enhancements of edges with different scales in each smoothing. We will use this model to propose a scheme to iteratively smooth an image while preserving its edges. This scheme can be used to produce artistic and stylized im

英文关键词: Image Smoothing;Hierarchical Editing;Edge Aware;Image Decomposition;Multi-scale Edges

成为VIP会员查看完整内容
0

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
13+阅读 · 2021年9月17日
专知会员服务
121+阅读 · 2021年4月29日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
29+阅读 · 2020年7月31日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27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
【速览】TPAMI丨泛化边缘保持和结构保持图像平滑模型
中国图象图形学学会CSIG
1+阅读 · 2021年10月15日
KDD2021 | 基于深度图卷积网络的多样化推荐
机器学习与推荐算法
0+阅读 · 2021年8月24日
CVPR 2019 | 无监督领域特定单图像去模糊
PaperWeekly
14+阅读 · 2019年3月20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
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015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
2+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
0+阅读 · 2013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
1+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
Arxiv
0+阅读 · 2022年4月16日
Arxiv
21+阅读 · 2018年5月23日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
13+阅读 · 2021年9月17日
专知会员服务
121+阅读 · 2021年4月29日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
44+阅读 · 2021年1月31日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
29+阅读 · 2020年7月31日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015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
2+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
0+阅读 · 2013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
1+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
微信扫码咨询专知VIP会员