具有容错能力的L1最优化半自动2D转3D

半自动2D转3D的关键是将用户分配的稀疏深度转换为稠密深度.现有方法没有充分考虑纹理图像和深度图之间的结构差异,以及2D转3D对用户误标注的容错性.针对上述问题,借助L₁范数对异常数据的抵制,在一个统一框架下实现结构相关具有容错能力的稀疏深度稠密插值.首先,利用L₁范数表示估计深度和用户分配深度在标注位置的差异,建立数据项;其次,根据特征的相似性用L₁范数计算局部相邻像素点之间的深度差异,建立局部正则项;再次,对图像进行超像素分割,根据不同超像素内代表性像素点之间深度差异的L₁测度,建立全局正则项;最后,用上述数据项和正则项构建能量函数,并通过分裂Bregman算法予以求解.无误差和有误差情况下的实验结果表明,与边缘保持的最优化插值、随机游走、混合图割与随机游走、软分割约束的最优化插值和非局部化随机游走相比,本文估计深度图绘制的虚拟视点图像空洞和伪影损伤更小.在误操作情况下,本文比上述方法PSNR改善了0.9dB以上,且在视觉上屏蔽了用户误操作的影响.     

基于边缘梯度特征的图像分割

图像的边缘包含了大量的梯度信息,图像中的真实边界点处的梯度强度大于其左右领域的梯度强度值。根据这个特性提出了改进的阈值分割算法,首先利用高斯平滑对图像进行预处理,再利用Krisch算法对图像进行梯度运算得到图像的梯度信息,然后利用改进的二维最大类间方差法根据图像梯度进行阈值分割,最后利用目标和背景的空间关系去除少量误提边缘。实验结果表明,该方法能有效地检测出低信噪比图像中的目标并显著提高了目标检测的概率。     

基于级联Dense-UNet和图割的肝脏肿瘤自动分割

腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。     

基于时空连续约束的4D脑图像分割模型

纵向分析脑解剖结构的变化可以预测脑组织的生长或萎缩状态,为临床治疗和科学研究提供必要的依据.但由于成像设备或模式不同以及成像时间间隔较长,3D的分割方法得到的结果无法体现脑组织在时间维上缓慢变化的特征.针对这一问题,提出一种基于时空约束的4D脑图像水平集分割模型.该模型包含了由全局以及局部信息组成的数据拟合项、空间平滑项以及时间平滑项.其中数据拟合项体现了各个时间点的图像灰度信息,空间和时间平滑项则能保证分割结果在时空维上体现其缓慢变化的特性.实验结果表明本文方法既能保证准确的分割结果又能保证空间维以及时间维上的连续性.     

联合3D实例分割和目标检测用于自动驾驶

为了提高自动驾驶中目标检测的精度与效率问题,本文中提出了一个简单而实用的检测框架,预测3D BBox和实例分割,在精度和效率之间实现了良好的平衡.首先,通过融合采样获得点云,骨干网络提取了局部特征和全局上下文信息;其次,设计了两个分支网络来预测语义标签和偏移量,将每个点移向其各自的实例中心,基于简单的聚类策略生成对象建议,对于每个集群仅生成一个建议,不再需要非最大抑制(NMS)过程;最后,应用提出的基于关键点的方法来优化每个提案的3D BBox.通过将相同实例上的点投票为其目标关键点,将最小二乘拟合算法应用于预测的关键点.在公开的KITTI数据集上的实验结果表明,与其它基于特征嵌入的方法相比,本文所提出的方法可以显着改善实例分割结果,优于KITTI测试基准上的大多数3D对象检测器.     

基于图割和边缘行进的肝脏CT序列图像分割

提出一种新的基于图割和边缘行进的腹部CT序列图像肝脏分割方法。首先,针对输入序列的数据特征,建立肝脏亮度和外观模型,突出肝脏区域抑制非肝脏区域;然后,将肝脏亮度、外观模型以及相邻切片之间的位置信息有效融入图割能量函数,实现CT序列肝脏的自动初步分割;最后,针对血管欠分割问题,提出了一种基于边缘行进的结果优化方法。通过对XHCSU14和SLIVER07数据库提供的30个病人肝脏序列的分割实验,以及与其他多种肝脏分割方法的比较,表明该方法能完整有效地分割肝脏,准确性高,鲁棒性强。     

基于任意种子区域搜寻的自动图像边缘提取和分割算法

提出了一种新的自动图像边缘提取和分割算法:先通过任意种子区域搜寻算法(RSRS)自动获得图像的边缘,其中的初始种子选取是任意的,并且可以根据图像对比度的强弱自动调整分割阈值,经与其它经典的图像分割算法相比较,验证了本算法性能的优越性.     

基于多信息深度学习的3D点云语义分割

点云语义分割是三维点云数据处理的基础步骤,是三维场景理解分析、重建和目标识别的关键环节.针对目前对三维点云进行语义分割使用的点云信息少和精度不高的问题,本文在利用点云三维坐标信息的基础上,增加了点云RGB信息和所属房间的归一化坐标信息,从而丰富了神经网络输入端的信息量,进一步提高了模型的分割精度,最后利用PointNe...     

分布式2D视频到3D视频转换系统

2D-to-3D video conversion is a feasible way to generate 3D programs for the current 3DTV industry. However, for large-scale 3D video production, current systems are no longer ade-quate in terms of the time and labor required for conversion. In this paper, we introduce a distributed 2D-to-3D video conversion system that includes a 2D-to-3D video conversion module, architecture of the parallel computation on the cloud, and 3D video cod-ing in the system. The system enables coope-ration among multiple users in the simultane-ous completion of their conversion tasks so that the conversion efficiency is greatly pro-moted. In the experiments, we evaluate the system based on criteria related to both time consumption and video coding performance.     

基于非局部随机游走和运动补偿的2D转3D优化方法

D转3D技术可以从2D资源中获取深度信息,以满足3D显示对3D内容的需求。针 对2D转 3D深度估计中的深度优化问题,提出一种基于非局部随机游走(NRW)和运动补偿的 深度优化算 法。本文方法在采用NRW和移动双边滤波(SBF)获得关键帧和非关键帧深度图的基础上,为 了锐化非关 键帧深度序列对象边界,结合纹理信息利用NRW算法优化深度图,同时又考虑相邻帧间的时 域信息,采 用运动补偿的方法对非关键帧深度序列进行优化,获得高质量的深度视频序列。实验结果表 明,本文方法可以得到对象边界更加准确的深度视频估计结果。     

加权SIFT流深度迁移的单幅图像2D转3D

2D视频转3D视频是解决3D片源不足的主要手段,而单幅图像的深度估计是其中的关键步骤.提出基于加权SIFT流深度迁移和能量模型优化的单幅图像深度提取方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;其次通过SIFT流建立输入图像和近邻图像之间像素级稠密对应关系;再次由SIFT流误差计算迁移权重,将近邻图像对应像素点的深度乘以权重后迁移到输入图像上;然后利用均值滤波对迁移后的近邻图像深度进行融合;最后建立深度图优化能量模型,在尽量接近迁移后近邻图像深度的前提下,平滑梯度较小区域的深度.实验结果表明,该方法降低了估计深度图的平均相对误差,增强了深度图的均匀性.     

基于分割的离焦图像深度图提取方法

针对影视作品中的大量离焦图像,提出了一种离焦图像的深度图提取方法。将离焦图像的聚焦前景和离焦背景进行分离。对离焦背景提出了深度图模型匹配的方法,构建深度图模型并结合人眼视觉对场景深度的敏锐判断,将背景与对应的深度图模型进行匹配,实现背景深度图的构建;提出了基于颜色分割的深度图再处理,来进一步提高场景深度图的精度。对前景采用单深度赋值,并结合背景深度图融合生成最终深度图。实验表明采用该方法提取的深度图在深度跳跃和深度平滑区域都得到了好的效果。     

一种平面图像立体化的新方法

基于对人类心理立体视觉和生理立体视觉的理论分析和实验研究,发现在一幅平面图像的各个图像单元中引入随机交叉视差异和随机非交叉视差异之后,其双眼深度暗示效果会明显增强的立体视觉现象,并由此提出了一种新颖且实用的在仅含有心理立体视觉深度暗示的平面图像中随机加入双眼视差异的平面图像立体化方法.     

2D Molybdenum Compounds for Electrocatalytic Energy Conversion

The development of advanced nanomaterials is urgent for electrocatalytic energy conversion applications. Recently, 2D nanomaterial-derived heterogeneous electrocatalysts have shown great promise for both fundamental research and practical applications owing to their extremely high surface-to-volume ratio and tunable geometric and electronic properties. Because of their unique electronic structure and physicochemical properties, molybdenum (Mo)-based 2D nanomaterials are emerging as one of the most attractive candidates among the nonprecious materials for electrocatalysts. This review provides a comprehensive overview of the recent advances in the synthesis and modulation of 2D Mo compounds for applications in electrocatalytic energy conversion. The categories based on different compositions and corresponding synthetic approaches of 2D Mo compounds are first introduced. Subsequently, various atomic/plane/synergistic engineering strategies, along with catalytic optimization in the electrochemical process that involves the cycles of water, carbon, and nitrogen, are discussed in detail. Finally, the current challenges and future opportunities for the development of 2D Mo-based electrocatalysts are proposed with the goal of shedding light on these promising 2D nanomaterials for electrocatalytic energy conversion.     

Direct Conversion of Fe2O3 to 3D Nanofibrillar PEDOT Microsupercapacitors

Microsupercapacitors (µSCs) are attractive electrochemical energy storage devices serving as alternatives to batteries in miniaturized portable electronics owing to high‐power density and extended cycling stability. Current state‐of‐the‐art microfabrication strategies are limited by costly steps producing materials with structural defects that lead to low energy density. This paper introduces an electrode engineering platform that combines conventional microfabrication and polymerization from the vapor phase producing 3D µSCs of the conducting polymer poly(3,4‐ethylenedioxythiophene) (PEDOT). A sputtered Fe₂O₃ precursor layer enables deposition of a 250 nm thick polymer coating comprised of a high packing density of vertically aligned PEDOT nanofibers possessing exceptional electrical conductivity (3580 S cm^?1). The 3D µSCs exhibit state‐of‐the‐art volumetric energy density (16.1 mWh cm^?3) as well as areal (21.3 mF cm^?2) and volumetric (400 F cm^?3) capacitances in 1 m H₂SO₄ aqueous electrolyte. These figures of merit represent the highest values among conducting polymer‐based µSCs. Electrochemical performance is controlled by investigating coating thickness, gap distance, fractal geometry, and gel electrolyte (1 m H₂SO₄/polyvinyl alcohol). The quasisolid‐state µSCs exhibit extended rate capability (50 V s^?1), retain 94% of original capacitance after 10 000 cycles and remain thermally stable up to 60 °C.     

Semi-automatic 2D-to-3D video conversion based on background sprite generation

This paper presents a technique for semi-automatic 2D-to-3D stereo video conversion, which is known to provide user intervention in assigning foreground/background depths for key frames and then get depth maps for non-key frames via automatic depth propagation. Our algorithm treats foreground and background separately. For foregrounds, kernel pixels are identified and then used as the seeds for graph-cut segmentation for each non-key frame independently, resulting in results not limited by objects’ motion activity. For backgrounds, all video frames, after foregrounds being removed, are integrated into a common background sprite model (BSM) based on a relay-frame-based image registration algorithm. Users can then draw background depths for BSM in an integrated manner, thus reducing human efforts significantly. Experimental results show that our method is capable of retaining more faithful foreground depth boundaries (by 1.6–2.7 dB) and smoother background depths than prior works. This advantage is helpful for 3D display and 3D perception.     

一种低复杂度二维隐Markov模型及其在图像分割中的应用

该文提出了一种通用的低复杂度二维隐Markov模型,推导了前向算法和后向算法的递归形式。文中没有使用前人为了降低时间复杂度而提出的相邻图像块间条件独立性假设,使提出的模型更加通用,并且可以根据需要调节水平和竖直两个方向信息的权重,具有更高的灵活性。将该模型应用于图像分割,实验结果证明了模型的有效性。