在觸摸屏智能設(shè)備（手機、平板電腦、交互電視）逐漸普及的今天,人們對于網(wǎng)絡(luò)上多媒體信息的需求產(chǎn)生了爆炸式增長。圖像處理和檢索技術(shù)的最新進展給“所想即所得”的設(shè)想提供了一種可能:根據(jù)自己腦海中想象的場景合成真實圖片。這將是一個“從無到有”的創(chuàng)造性的過程,核心是通過手繪草圖檢索所需要的圖片素材來進行融合。然而,現(xiàn)階段大部分的圖像檢索方法都無法滿足用戶的這一要求。同時,如何使得合成的圖片更加真實也是困擾許多研究者的問題。為此,本文首次提出并實現(xiàn)了一套通過草圖來檢索物體圖片并合成現(xiàn)實圖片的系統(tǒng)。在圖像檢索階段,系統(tǒng)以日常復(fù)雜場景圖片為底庫,采用了一種基于草圖的場景圖片檢索方案。用戶只需要輸入某一物體的草圖,返回結(jié)果是出現(xiàn)該物體的某一場景圖片。首先,我們利用物體檢測算法,將復(fù)雜的非圖標(biāo)型場景圖片轉(zhuǎn)化為若干圖標(biāo)型物體圖片;借助于深度神經(jīng)網(wǎng)絡(luò)強大的學(xué)習(xí)能力,將草圖與真實圖片映射到同一特征空間進行表示,從而打破草圖與真實圖片間的巨大差異;為了進一步提高檢索效果,借助于物體檢測時獲取的標(biāo)簽,對初始結(jié)果進行重排序,使得檢索結(jié)果能夠兼顧草圖的細節(jié)以及類別。在圖像合成階段,本文提供的算法能夠在梯度域內(nèi)將物體融合... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－丨基于傳統(tǒng)方法的草圖檢索??基于形狀特征的草圖特征表示

ＪｊＪ?Ｊ（．Ｊ??５ｉ??圖２－２細粒度的草圖檢索數(shù)據(jù)集??雖然草圖檢索研宄領(lǐng)域存在著各種各樣的方法，但我們也注意到：目前草圖??檢索還主要集中于處理圖標(biāo)型物體或者場景圖片，對于日常生活中的復(fù)雜圖片，??還沒有人進行過嘗試�；谝陨洗嬖诘膯栴}，結(jié)合之前的相關(guān)研宄，我們進行了??探索性的嘗試。同時提出了一種基于目標(biāo)的場景式草圖檢索模型，使得檢索曰常??復(fù)雜圖片成為可能。??２．１．３基于草圖檢索的圖像合成??ｓｕｎｓｃｉ?ｂｅａｃｈ??必ｎ％??圖２－３?Ｓｋｅｔｃｈ２Ｐｈｏｔｏ合成示例??２００９年，清華大學(xué)的研究人員研發(fā)了一套通過關(guān)鍵字以及草圖的方式進行圖??像合成的系統(tǒng)一Ｓｋｅｔｃｈ２Ｐｈｏｔｏ［ｌ］，如圖２－３所示展示了?Ｓｋｅｔｃｈ２Ｐｈｏｔｏ的合成示例。??該套系統(tǒng)以互聯(lián)網(wǎng)上的大量圖片為基礎(chǔ)，首先利用關(guān)鍵字搜索目標(biāo)圖片，然后利??用用戶繪制的草圖

ｓｕｎｓｃｉ?ｂｅａｃｈ??必ｎ％??圖２－３?Ｓｋｅｔｃｈ２Ｐｈｏｔｏ合成示例??２００９年，清華大學(xué)的研究人員研發(fā)了一套通過關(guān)鍵字以及草圖的方式進行圖??像合成的系統(tǒng)一Ｓｋｅｔｃｈ２Ｐｈｏｔｏ［ｌ］，如圖２－３所示展示了?Ｓｋｅｔｃｈ２Ｐｈｏｔｏ的合成示例。??該套系統(tǒng)以互聯(lián)網(wǎng)上的大量圖片為基礎(chǔ)，首先利用關(guān)鍵字搜索目標(biāo)圖片，然后利??用用戶繪制的草圖，結(jié)合顯著性過濾、場景物體分割、輪廓一致性過濾以及內(nèi)容??一致性過濾等操作來得到滿意搜索結(jié)果，最后利用搜索結(jié)果合成一張自然圖片。??這套系統(tǒng)有以下兩個明顯缺點：１．基于文本關(guān)鍵字搜索互聯(lián)網(wǎng)圖片，嚴(yán)重依賴于??文本信息，一定意義上并不是真正的草圖搜索，搜到的圖片往往以關(guān)鍵字為主體，??以此為后續(xù)的分割算法做準(zhǔn)備；２．搜到大量圖片后


本文編號：3535538