-
公开(公告)号：CN108537806A
公开(公告)日：2018-09-14
申请号：CN201810342811.8
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于累积能量的立体图像线裁剪重定向方法，包括以下步骤：1、输入立体图像和对应的视差图，初始化输入图像的能量矩阵和能量累积矩阵；2、采用动态规划的方法找到左、右视图的最优缝组并记录其路径；3、将最优缝组路径上的每个像素的能量累积到其相邻的8个像素上；4、检测并沿着最大边缘信息的方向继续向相邻的2个像素进行能量累积；5、删除最优缝组，更新图像的能量矩阵、能量累积矩阵M及对应的视差图；6、迭代上述步骤直至目标尺寸，获得重定向后的左、右视图和对应的视差图。该方法能够有效减少由于缝操作集中在图像某一区域从而引起的立体图像的视觉失真，并能保持左右图像的几何一致性，提高立体图像线裁剪的性能。
-
公开(公告)号：CN108510574A
公开(公告)日：2018-09-07
申请号：CN201810342814.1
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例学习并增强视觉质量的3D图像裁剪方法，包括：计算专业3D立体图像库中每幅图像的GIST特征和HIST特征；输入待裁剪图像和目标尺寸，采用采样方法获得候选裁剪窗口集合；计算每个候选裁剪窗口与图像库中每幅图像的GIST特征和HIST特征的相似性，并获得与其最相似的n幅图像，组合形成学习的样例集合；利用样例评估各候选裁剪窗口的构图和深度信息分布质量，及信息丢失和立体图像视觉舒适规则遵守情况，计算左视图的裁剪窗口；通过学习样例，对右视图的裁剪窗口水平移动获得与学习样例最相似的深度分布，从而获得最终的裁剪结果。该方法有利于获得视觉舒适的裁剪结果，可应用于图像处理及计算机视觉等领域。
-
公开(公告)号：CN108510574B
公开(公告)日：2021-09-28
申请号：CN201810342814.1
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于样例学习并增强视觉质量的3D图像裁剪方法，包括：计算专业3D立体图像库中每幅图像的GIST特征和HIST特征；输入待裁剪图像和目标尺寸，采用采样方法获得候选裁剪窗口集合；计算每个候选裁剪窗口与图像库中每幅图像的GIST特征和HIST特征的相似性，并获得与其最相似的n幅图像，组合形成学习的样例集合；利用样例评估各候选裁剪窗口的构图和深度信息分布质量，及信息丢失和立体图像视觉舒适规则遵守情况，计算左视图的裁剪窗口；通过学习样例，对右视图的裁剪窗口水平移动获得与学习样例最相似的深度分布，从而获得最终的裁剪结果。该方法有利于获得视觉舒适的裁剪结果，可应用于图像处理及计算机视觉等领域。
-
-
Search Results
3
records
(took 0.013 seconds)
