基于非线性卷积的可控图像类推和自类推技术

摘要：

提出一种新的图像类推技术,定义"风格"为作用于内容上的非线性卷积过程.通过估计卷积核实现风格学习,通过执行卷积实现风格的传递.该定义能够极大地加快类推速度,提高风格学习与样本数据的独立性,增强图像类推的稳定性与适用性.同时还提出了对图像进行迭代式风格化作用的连续类推思想,以及通过自身构建训练集的自类推思想.连续类推可以生成不同强度的风格化序列,进而实现图像类推控制;图像白类推则可以应用于超分辨等与尺度相关的问题.

关键词：风格化学习、图像类推、可控类推、非线性卷积

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划2002CB312102;国家自然科学基金60473105

在线出版日期：2008-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：332-336