联合语义边缘与有向全变分的纹理-结构分解
在去除尺度变化较大的纹理时, 基于低级视觉特征的纹理-结构分解方法难以准确保留语义上重要的弱边缘, 针对该问题提出了融合语义边缘检测与有向全变分模型的纹理-结构分解方法. 首先在不同尺度下利用多卷积特征网络估计各像素的语义边缘置信度; 然后在纹理的局部振荡假设基础上以有向全变分估计各像素的纹理度, 为进一步有效地区分纹理边缘和结构边缘, 引入块平移算法修正纹理度, 并结合边缘置信度优化分解模型的权重. 在BSDS500, NYUD以及RTVD数据集上的实验结果表明, 该方法在分解准确性和视觉质量上优于现有多种方法, 且易于通过GPU加速高分辨率图像的分解效率.
纹理-结构分解、边缘置信度、有向全变分、图像块平移
31
TP391.41(计算技术、计算机技术)
国家自然科学基金61540062, 61761046, 11663007;云南省应用基础研究计划项目2018FB100;云南省教育厅科学研究基金2018JS011
2019-10-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
1786-1794