圖形圖像處理一直是計算機(jī)圖形學(xué)與計算機(jī)視覺中的核心課題。圖形圖像處理中一個關(guān)鍵的難點是,如何對數(shù)據(jù)進(jìn)行各種加工和處理同時,有效地保留數(shù)據(jù)中主要特征和結(jié)構(gòu)。近十年來,稀疏正則化在圖形圖像處理領(lǐng)域取得了巨大的成功。這主要得益于很多圖形圖像信號天然地可以以由一組固定基來稀疏表征。大部分基于稀疏正則化的方法將原始問題建模為一個包括l2范數(shù)數(shù)據(jù)擬合項和l1范數(shù)稀疏正則項的能量優(yōu)化問題。近幾年,一些研究者發(fā)現(xiàn)在信號梯度的稀疏正則項上直接使用l0范數(shù),可以得到比l1范數(shù)更高稀疏性的梯度。高稀疏性的梯度提高了對噪聲和異常點的抗干擾能力,以及對特征和結(jié)構(gòu)的保真能力。本文主要研究了l0范數(shù)的梯度正則化模型及其在圖形圖像處理中的應(yīng)用。我們首先提出了一種新的l0范數(shù)梯度正則化的近似求解算法,然后給出了圖像平滑、網(wǎng)格平滑、視頻分割和點云重采樣等幾個圖形圖像處理領(lǐng)域的重要問題,在l0范數(shù)梯度正則化框架下的建模和求解。本文的主要貢獻(xiàn)包括：·提出了一個融合坐標(biāo)下降算法,來有效地求l0范數(shù)梯度正則化問題。算法的基本思想是,在每次迭代中只有一個變量被優(yōu)化,而其它的變量都被固定�。蝗绻噜彽淖兞坑型耆嗟鹊闹�,那它們就被融合在一起,作為一個變量出現(xiàn)在下次迭代中。通過融合相鄰的等值變量,我們隱式地加入了稀疏梯度的約束。同Xu等人[1]提出的交替優(yōu)化算法相比,我們的算法能更好地實現(xiàn)梯度的稀疏性。為了驗證算法的有效性,我們還做了兩個應(yīng)用：保邊緣的圖像平滑和保特征的網(wǎng)格模型平滑。和目前已有方法的對比表明,在兩個應(yīng)用我們都能得到更好的結(jié)果。·提出了一個基于l0范數(shù)梯度正則化的視頻分割方法。梯度的稀疏性本質(zhì)上蘊(yùn)含了分割的信息,即梯度為零的相鄰元素自然而然地形成了一個塊,而非零的梯度可以把不同塊分隔開來。通過lo范數(shù)來加強(qiáng)在空間上和時序上的梯度稀疏性,可以實現(xiàn)時空一致的視頻分割效果。據(jù)我們所知,這是第一個將稀疏性應(yīng)用到視頻分割中的方法。為了求解l0范數(shù)梯度正則化問題,我們將融合坐標(biāo)下降算法從二維的圖像中擴(kuò)展到三維的視頻中。在視頻分割評測系統(tǒng)LIBSVX上的實驗表明,我們提出的視頻分割方法在分割準(zhǔn)確度和過分割錯率上優(yōu)于以往的方法。·提出了一個基于l0范數(shù)梯度正則化的點云重采樣方法。我們的方法可以從包含噪聲和異常點的無規(guī)則點云中,得到干凈的、均勻分布的、保幾何的、保特征的和帶法向的重采樣點云。得益于l0范數(shù)帶來的高稀疏性,我們的方法在去噪聲和保特征方面的表現(xiàn)優(yōu)于目前的點云重采樣方法。在進(jìn)一步分析了l0范數(shù)梯度正則化應(yīng)用到點云處理時引起低效率的原因之后,我們提出了兩個加速的方法。基于優(yōu)化的局部半采樣,可以減少每個重采樣點在輸入點云中的近鄰數(shù)目；交叉正則化,可以去除一些重復(fù)性的計算。實驗結(jié)果表明,加速后的方法比加速前的方法快一個數(shù)量級,同時產(chǎn)生了幾乎同等質(zhì)量的重采樣點云。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓飛,沈理;視頻分割中特殊編輯的一種檢測算法[J];計算機(jī)研究與發(fā)展;2002年03期

2 孫中偉,張福炎;一種音頻輔助的視頻分割方法研究[J];南京大學(xué)學(xué)報(自然科學(xué)版);2002年02期

3 陳曉藝;視頻分割技術(shù)概述[J];電視技術(shù);2003年09期

4 李兵,須德,王方石;一種基于對象跟蹤的視頻分割算法[J];北京交通大學(xué)學(xué)報;2005年05期

5 初廣麗;肖潔;;視頻分割技術(shù)淺析[J];白城師范學(xué)院學(xué)報;2006年04期

6 侯立平;孫玉娜;劉振紅;陶雪麗;;幾種視頻分割技術(shù)的比較研究[J];福建電腦;2006年11期

7 侯偉;盧炎麟;鄭河榮;潘翔;陳永清;;固定背景下的視頻分割及在交通視頻流的應(yīng)用[J];計算機(jī)技術(shù)與發(fā)展;2008年09期

8 任菲;劉學(xué)軍;豐江帆;袁正午;;基于空間信息輔助的視頻分割研究[J];計算機(jī)應(yīng)用研究;2009年04期

9 高澤林;陳為龍;王正勇;;最新視頻分割算法研究[J];儀器儀表用戶;2010年02期

10 初廣麗;楊曉東;;關(guān)于視頻分割技術(shù)的幾個問題的探討[J];白城師范學(xué)院學(xué)報;2010年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 程軒;零范數(shù)梯度正則化方法及應(yīng)用[D];浙江大學(xué);2016年

2 鄭河榮;視頻分割關(guān)鍵技術(shù)研究及在工業(yè)園區(qū)監(jiān)控系統(tǒng)中的應(yīng)用[D];浙江工業(yè)大學(xué);2009年

3 朱輝;面向?qū)ο笊傻囊曨l分割技術(shù)研究[D];電子科技大學(xué);2003年

4 鐘凡;在線視頻分割關(guān)鍵問題研究[D];浙江大學(xué);2010年

5 張曉波;面向基于對象編碼的視頻分割研究[D];天津大學(xué);2007年

6 魏小莉;基于內(nèi)容的視頻分割與檢索中關(guān)鍵技術(shù)的研究[D];武漢大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳康睿;視頻分割算法研究[D];大連理工大學(xué);2015年

2 陳林;點軌跡估計及其在視頻分割中的應(yīng)用[D];北京理工大學(xué);2016年

3 候銳;基于匹配幀的層次化結(jié)構(gòu)的視頻分割技術(shù)[D];上海交通大學(xué);2010年

4 劉惠彬;視頻分割和重組技術(shù)研究[D];中南大學(xué);2005年

5 陳端金;面向單目視頻立體化的視頻分割[D];浙江大學(xué);2012年

6 劉定鳴;交互式視頻分割技術(shù)研究[D];寧波大學(xué);2012年

7 米權(quán)懋;基于新型局部二值模式的視頻分割方法研究[D];太原理工大學(xué);2011年

8 肖偉;基于局部泛化誤差模型的新聞視頻分割和標(biāo)題檢測算法[D];華南理工大學(xué);2011年

9 黃大來;基于運動視差的動態(tài)時空域模型的視頻分割算法的研究[D];杭州電子科技大學(xué);2013年

10 廖琦宇;基于全局軌跡分析的視頻分割與合成算法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

本文編號：1255550