图像处理讲座.pptVIP

图像填充 算法与实现 偏微分方程的差分实现 扩散迭代 以初始待填充图像为初始图像 (i, j) (i-1, j) (i+1, j) (i, j-1) (i, j+1) 图像填充 基于例子的方法 基本思想： 以图像块为处理单元，由图像已知区域向图像缺失区域逐渐扩散填充。 每次填充图像块时，用已知图像区域的相似图像块（称为例子图像块）填充待填充图像块。 优缺点： 可以填充较大缺失范围的图像区域 难以恢复缺失区域内有复杂结构的图像 已知图像区域 待填充图像区域 图像填充 算法步骤（先结构后纹理） 迭代如下过程 步骤1. 选择待填充图像块(优先选择处于结构上图像块)： [A. Criminisi, IEEE TIP 2004] 我们的方法[IEEE TIP 2010]: 描述图像块处于结构上的置信程度 图像填充 步骤2. 填充待填充图像块: 最相似图像块填充(在图像块已知像素上度量相似性) [A. Criminisi, IEEE TIP] 多个最相似图像块的带权平均[Wong，IEEE Conf. IP] 我们的方法(稀疏表达)：例子图像的稀疏线性组合 并约束内容一致性（采用类似Matching Pursuit求解） 以例子图像块与待填充图像块相似性为权重 图像填充 实验结果 填充过程 我们的结果 [A. Criminisi] 图像填充 我们的结果 [A. Criminisi] 网络资源 Inpainting: [1]/~mbertalmio/restoration.html Super-resolution [1]http://www.cs.huji.ac.il/~yoavhacohen/upsampling/ [2]http://www.cs.huji.ac.il/~raananf/projects/upsampling/upsampling.html [3]http://www.wisdom.weizmann.ac.il/~vision/SingleImageSR.html 上机实验 Non-local means算法实现 Matlab 与 C++ 混合编程实现 Berkeley Segmentation Benchmark (/~fowlkes/BSE/) 尝试应用图像分割工具箱做一些图像分割的例子 K-SVD去噪算法 (http://www.cs.technion.ac.il/~elad/software/) 图像处理基本任务 图像去模糊（Image deblur） 去除图像中的模糊现象。图像在拍摄过程中，由于成像过程中相机或者拍摄物体的运动所产生的模糊现象。常常发生于在低光照条件下降低快门速度拍照。 模糊图像 去除模糊后的图像（包括模糊核） [注]：目前，家用相机和单反相机仍然受到模糊的影响，去模糊问题还远远没有解决。 图像处理基本内容介绍 Jian Sun XJTU 2010.10 图像研究介绍 图像研究介绍 图像：由视觉系统所感知到的记录客观世界中物体、场景或者现象的非结构化信息，它是视觉信息的基本表现形式。 数字化图像：以矩阵形式存储，可由matlab、openCV等直接读取和存储。 图像处理：对图像进行分析、加工和处理，使其满足视觉、心理和模式识别技术的需要。 图像识别：识别图像中所包含的物体或者目标。 图像理解：对图像的语义进行理解；研究图像中有什么目标、目标之间的相互关系、图像是什么场景以及如何应用场景。 实验平台 Matlab 图像处理工具箱 C++：OpenCV (提供图像、视频处理的基本功能接口) Matlab与C++混合编程(preferred by mathematics) 图像研究介绍 图像研究所关注的重要信息 底层信息(Low level)：图像的像素、图像块、边缘、角点、纹理等 图像处理主要关注底层图像信息的处理 中层信息(Middle Level): 图像分割、目标的描述、双目视觉匹配等 图像分割、双目视觉、目标检测等 高层信息（high level）: 图像的语义(场景、目标间的相互关系)描述。 图像研究介绍 图像研究分类 基础研究 图像的基本规律、模式识别的基本理论、生物学基础等； 算法研究 针对图像处理的基本问题，设计模型与统计、优化算法； 应用研究 针对工业界所面临的问题（可能超出图像处理基本问题范畴），进行创新性研究。 基础研究 算法研究 应用研究 三者同等重要(图像基础研究应紧密结合应用背景) 图像研究介绍 图像算法的评价标准 方法能解决问题 方法具有创新性 可应用性（简单、快速、具有通用性） 最高境界：可应用于工业界 目前状态：图像处理、部分图像识别（人脸、字符、汽 车识别等）已得到广泛应用、图像理解研究还不稳健。 发展方向（应