排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
为了解决深度图像中存在的图像模糊、空洞和噪声等图像质量问题,拟从软件的角度出发,在不改变传感器成像系统物理结构的前提下,基于结构特征并以彩色图像作为引导展开研究,实现深度图像增强和空洞修补的目的,提高深度图像的质量。通过对彩色图像和深度图像的结构特征进行提取,得到共性的全局特征,并对得到的结构特征进行联合双边滤波,最后基于马尔科夫随机场的方法进行深度图像增强,实现了低成本获取深度增强的图像。实验结果表明本文算法在保持图像边缘的细节性、平滑性和整体性上具有更好的效果,与其他算法相比,图像的均方根误差RMSE更低,仅为0.506 93及1.169 30(针对Teddy及Art图像)。 相似文献
2.
3.
4.
一种基于词袋模型的大规模图像层次化分组算法 总被引:1,自引:0,他引:1
大规模图像集合的自动分组,不仅可以帮助用户快速组织和掌握图像集合的内容,并且是基于图像的三维场景重建应用的前提和重要环节。提出一种基于词袋模型(bag-of-words, BOW)的层次化分组算法,将每幅图像表示为一个超高维视词向量,利用多路量化技术将内容相似的图像量化到同一个节点,从而完成对图像粗略分组。然后,在每组类别里面,对图像的局部特征向量进行逐一匹配,并利用仿射空间不变量的约束条件,去除不可靠特征匹配,得到更为准确可靠的图像相似度度量,从而完成图像的精细分组。实验结果表明:从得到的系统不同阶段图像分组的查准率-查全率(precision-recall)曲线可以看出,精细分组过程可以显著提高粗分组精度,并且在精细分组阶段,使用约束条件比不使用约束还能获得更高的分组精度 相似文献
1