本文關(guān)鍵詞：高真實(shí)感可視媒體的智能編輯與合成

  更多相關(guān)文章： 可視媒體 圖像合成 高真實(shí)感 高智能度

【摘要】：隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)的快速發(fā)展,可視媒體已成為互聯(lián)網(wǎng)時(shí)代視覺(jué)信息展示和傳輸?shù)闹匾浇�。與其他信息傳輸模式相比,可視媒體兼具數(shù)字化、普適性和直觀性等特點(diǎn)。隨著可視媒體采集設(shè)備的發(fā)展與普及,高質(zhì)量可視媒體逐漸成為普通用戶生活中不可或缺的信息承載、儲(chǔ)存和展示方式。同時(shí),隨著計(jì)算機(jī)硬件的高速發(fā)展,可視媒體的數(shù)字編輯和合成方法被廣泛用于各種商用軟件和產(chǎn)業(yè)中,比如廣告、新聞、電影、移動(dòng)應(yīng)用等。由于普通用戶可獲取的可視媒體質(zhì)量逐漸提高,可視媒體的編輯與合成算法已經(jīng)不局限于能否得到結(jié)果,算法是否具有高智能度,能否生成高真實(shí)感的結(jié)果,變的尤為重要。本文圍繞可視媒體的編輯合成問(wèn)題,從提高編輯過(guò)程的智能度、編輯結(jié)果的真實(shí)感為切入點(diǎn),針對(duì)目前可視媒體編輯合成領(lǐng)域中的編輯傳播算法、變化盲視圖像、陰影去除等問(wèn)題進(jìn)行了深入研究和實(shí)驗(yàn),并提出了一系列方法。本文主要的技術(shù)創(chuàng)新點(diǎn)如下:?提出了編輯傳播算法中走樣瑕疵的自動(dòng)恢復(fù)算法。傳統(tǒng)的編輯傳播算法由于沒(méi)有考慮像素的反走樣信息,會(huì)在物體邊緣像素產(chǎn)生走樣瑕疵。本文分析了走樣瑕疵產(chǎn)生的原因,提出了一種稱為反走樣圖的像素表達(dá)方式�；诜醋邩訄D,本文設(shè)計(jì)了高效的走樣瑕疵自動(dòng)恢復(fù)算法,在編輯傳播問(wèn)題中應(yīng)用該算法后,走樣瑕疵可以被消除。?提出了基于認(rèn)知心理學(xué)的變化盲視圖像的自動(dòng)合成算法。傳統(tǒng)的變化盲視圖像必須人工合成,并且盲視程度很難控制。本文基于認(rèn)知心理學(xué),通過(guò)用戶實(shí)驗(yàn)和模型學(xué)習(xí),對(duì)變化盲視這一感知現(xiàn)象進(jìn)行了研究,提出了首個(gè)描述變化盲視程度的定量模型�；谠撃Ｐ�,本文提出了全自動(dòng)的難度可控變化盲視圖像合成算法,提高了變化盲視圖像合成的智能度。?提出了基于單幅圖像的投射陰影自動(dòng)檢測(cè)與去除算法。投射陰影直接影響著圖像的整體質(zhì)量和圖像識(shí)別的準(zhǔn)確度。針對(duì)傳統(tǒng)陰影去除算法普適性和真實(shí)性較差,且依賴于用戶交互的缺點(diǎn),本文提出了基于片元匹配的投射陰影檢測(cè)與去除算法,并采用參數(shù)學(xué)習(xí)、模型訓(xùn)練等策略保證了算法的魯棒性。該系統(tǒng)能夠?qū)Υ蟛糠謭?chǎng)景的投射陰影進(jìn)行自動(dòng)檢測(cè),并合成出高真實(shí)感的無(wú)陰影圖像。
【關(guān)鍵詞】：可視媒體 圖像合成 高真實(shí)感 高智能度
【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-21
• 1.1 可視媒體編輯合成概述9-14
• 1.1.1 可視媒體的基本表達(dá)方式9-10
• 1.1.2 可視媒體編輯合成的主要原則10-11
• 1.1.3 可視媒體編輯合成的主要研究方向11-14
• 1.2 高真實(shí)感可視媒體的智能編輯合成及相關(guān)問(wèn)題14-18
• 1.2.1 高真實(shí)感15-16
• 1.2.2 高智能度16-18
• 1.3 本文的研究工作和組織結(jié)構(gòu)18-21
• 第2章 編輯傳播算法中走樣瑕疵的自動(dòng)恢復(fù)21-38
• 2.1 研究背景與意義21-23
• 2.2 相關(guān)工作23-24
• 2.2.1 圖像/視頻編輯23-24
• 2.2.2 反走樣恢復(fù)24
• 2.3 反走樣圖24-29
• 2.3.1 反走樣恢復(fù)的基本概念25-26
• 2.3.2 反走樣圖的計(jì)算26-29
• 2.4 編輯傳播框架29-33
• 2.4.1 基于優(yōu)化的編輯傳播30-32
• 2.4.2 基于插值的編輯傳播32-33
• 2.5 算法對(duì)比與算法結(jié)果33-35
• 2.5.1 算法對(duì)比33-34
• 2.5.2 算法結(jié)果34-35
• 2.6 本章小結(jié)35-38
• 第3章 基于認(rèn)知心理學(xué)的變化盲視圖像的自動(dòng)合成38-60
• 3.1 研究背景與意義38-40
• 3.2 相關(guān)工作40-42
• 3.2.1 變化盲視40
• 3.2.2 視覺(jué)重要性40-41
• 3.2.3 鄰域相關(guān)性41
• 3.2.4 心理學(xué)感知在圖形學(xué)的應(yīng)用41-42
• 3.3 方法概述42-44
• 3.4 變化盲視定量模型44-48
• 3.4.1 修改量的定義44-45
• 3.4.2 鄰域相關(guān)視覺(jué)重要性算法45-48
• 3.5 全自動(dòng)變化盲視圖像的優(yōu)化合成48-49
• 3.6 實(shí)驗(yàn)結(jié)果49-59
• 3.6.1 用戶實(shí)驗(yàn)49-50
• 3.6.2 模型參數(shù)的優(yōu)化計(jì)算50-51
• 3.6.3 模型的準(zhǔn)確度51-53
• 3.6.4 關(guān)于鄰域相關(guān)視覺(jué)重要性模型53-55
• 3.6.5 算法結(jié)果55-57
• 3.6.6 討論57-59
• 3.7 本章小節(jié)59-60
• 第4章 基于單幅圖像的投射陰影的自動(dòng)檢測(cè)與去除60-89
• 4.1 研究背景與意義60-62
• 4.2 相關(guān)工作62-64
• 4.3 陰影模型的學(xué)習(xí)64-67
• 4.4 算法整體框架67-68
• 4.5 全陰影圖的生成68-73
• 4.5.1 基于圖像塊的片元匹配算法(GGPM)68-71
• 4.5.2 陰影參數(shù)的預(yù)測(cè)71-73
• 4.6 投射陰影的檢測(cè)73-76
• 4.6.1 全局平滑和量化74
• 4.6.2 投射陰影位置的檢測(cè)74-75
• 4.6.3 陰影邊緣的優(yōu)化75-76
• 4.7 投射陰影的去除76-82
• 4.7.1 基于片元的圖像合成77-80
• 4.7.2 自適應(yīng)局部顏色校正80-82
• 4.8 算法結(jié)果和相關(guān)討論82-85
• 4.9 本章小結(jié)85-89
• 第5章 總結(jié)與展望89-93
• 5.1 全文工作總結(jié)89-91
• 5.2 未來(lái)工作展望91-93
• 參考文獻(xiàn)93-102
• 致謝102-104
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果104-105

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 曾愛(ài)華,殷瑞祥,崔海霞;基于小波的圖像插值方法[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

2 楊金柱;趙大哲;徐心和;;基于距離場(chǎng)的非線性圖像插值分割方法[J];東北大學(xué)學(xué)報(bào);2006年08期

3 張玉葉;王學(xué)偉;王春歆;;圖像插值分析的交互式分層復(fù)原[J];光電工程;2008年05期

4 王亮;黃曉濤;周智敏;;2維復(fù)圖像插值技術(shù)研究[J];中國(guó)圖象圖形學(xué)報(bào);2008年08期

5 符祥;郭寶龍;;圖像插值技術(shù)綜述[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年01期

6 郝鵬威，，朱重光;基于小波的圖像插值方法[J];遙感學(xué)報(bào);1998年02期

7 邱偉;;淺談圖像插值技術(shù)[J];科技致富向?qū)?2011年17期

8 譚璐,吳翊,劉卓;高維圖像數(shù)據(jù)的最優(yōu)表達(dá)[J];國(guó)防科技大學(xué)學(xué)報(bào);2003年05期

9 張輝;胡廣書;;基于二維卷積的圖像插值實(shí)時(shí)硬件實(shí)現(xiàn)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

10 李鋅;張飛舟;;基于再生核濾波器的邊緣保護(hù)圖像插值方法[J];計(jì)算機(jī)工程與應(yīng)用;2008年13期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 胡巍;張桂林;陳朝陽(yáng);;基于正交函數(shù)積分理論的圖像插值方法[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1998年

2 姚春蓮;高麗華;陳誼;李煒;;基于圖像插值的幀內(nèi)預(yù)測(cè)[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 肖義男;文玉梅;羅毅;;基于邊緣敏感濾波的圖像插值模糊消除[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

4 仵冀穎;阮秋琦;;偏微分方程約束的非局部均值圖像插值模型[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 ;愛(ài)國(guó)者自然窗330T[N];中國(guó)計(jì)算機(jī)報(bào);2001年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馬里千;高真實(shí)感可視媒體的智能編輯與合成[D];清華大學(xué);2015年

2 魏平;數(shù)字乳腺鉬靶圖像的軟拷貝顯示技術(shù)研究[D];浙江大學(xué);2009年

3 Rukundo Olivier;灰度圖像插值優(yōu)化方法的研究[D];華中科技大學(xué);2012年

4 劉芳;圖像可逆信息隱藏技術(shù)若干問(wèn)題研究[D];大連理工大學(xué);2013年

5 劉哲星;醫(yī)學(xué)圖像回溯性配準(zhǔn)研究[D];第一軍醫(yī)大學(xué);2002年

6 許博謙;星載相機(jī)微振動(dòng)下圖像補(bǔ)償技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

7 付曉薇;基于量子力學(xué)的圖像處理方法研究[D];華中科技大學(xué);2010年

8 張健;復(fù)雜圖像文本提取關(guān)鍵技術(shù)與應(yīng)用研究[D];南開(kāi)大學(xué);2014年

9 馮宇平;圖像快速配準(zhǔn)與自動(dòng)拼接技術(shù)研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

10 魏昱;圖像顯著性區(qū)域檢測(cè)方法及應(yīng)用研究[D];山東大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 翟珍珍;多尺度分析方法在醫(yī)學(xué)影像診斷系統(tǒng)中的應(yīng)用研究[D];鄭州大學(xué);2015年

2 王鳳嬌;基于眼動(dòng)數(shù)據(jù)的分類視覺(jué)注意模型[D];北京交通大學(xué);2016年

3 劉一方;基于含參有理函數(shù)的圖像插值理論及技術(shù)研究[D];山東財(cái)經(jīng)大學(xué);2015年

4 寧麗華;基于圖像插值的集群系統(tǒng)在視頻中的應(yīng)用研究[D];電子科技大學(xué);2008年

5 高月芳;圖像的變形及三維重建技術(shù)研究[D];合肥工業(yè)大學(xué);2003年

6 高欣瑋;基于壓縮視頻的圖像插值技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2011年

7 張健;圖像插值及幀率提升算法研究[D];哈爾濱工業(yè)大學(xué);2009年

8 羅立彥;圖像插值與離散曲面去噪[D];浙江大學(xué);2006年

9 牛艷霞;基于曲率驅(qū)動(dòng)的圖像修補(bǔ)方法[D];鄭州大學(xué);2007年

10 呂微微;基于情感的圖像分類算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2012年

本文編號(hào)：590002