[2011.12.29] 实验室讨论班汇总

目录

一共六位同学作汇报。下面是我对这次讨论班涉及论文的汇总。

  1. Data-Driven Image Color Theme Enhancement
  2. Object Recoloring based on Intrinsic Image Estimation 
  3. Estimating Color and Texture Parameters for Vector Graphics
  4. A Seeded Image Segmentation Framework Unifying Graph Cuts And Random Walker Which Yields A New Algorithm
  5. Adaptive image and video retargeting technique based on Fourier analysis
  6. Exploring Features in a Bayesian Framework for Material Recognition

1. Data-Driven Image Color Theme Enhancement

ACM Transactions on Graphics (Special Issue for SIGGRAPH Asia 2010)

介绍一种改变图像颜色主题(color theme)的方法。同时考虑原始图像的彩色信息、纹理彩色信息以及目标颜色主题的彩色信息。

算法框架如下图所示:

几个关键地方:

软分割(soft segmentation)将图像分成几个子图像,用概率表示结果。

通过学习,得到纹理的先验知识。将图像分成小块,对每个小块应用Gabor滤波器,计算均值和标准差,用K均值聚类。将CIELAB空间的a*,b*通道量化成100份,计算直方图。计算每类纹理的颜色直方图族。

获得彩色模式的先验知识。用Earth Mover’s Distance衡量图像中最主要的颜色块(bin)与色彩模式之间的距离,选择最近的色彩模式。

用sequential quadratic programming (SQP)方法求解优化问题。

2. Object Recoloring based on Intrinsic Image Estimation

文章研究单个颜色物体在多个光源下的重新着色问题。

对单一光源,文章将图像中每个像素点分成两部分(两个本证图像,intrinsic images),一部分是物体表面的特性,另一部分是由光源引起的特性,改变表面颜色和光源颜色,就能实现物体的重新着色。

对多个光源,文章将图片分解成多张子图,一张物体表面的属性,剩下的每张对应一个光源对物体的影响。两个光源的情况如下图所示:

3. Estimating Color and Texture Parameters for Vector Graphics

研究Diffusion curves方法的矢量图绘制,引入Gabor噪声作为纹理特征的模型。

4. A Seeded Image Segmentation Framework Unifying Graph Cuts And Random Walker Which Yields A New Algorithm

文章研究基于种子节点的图像二分割算法,最有意思的一点是将Graph Cuts算法和Random Walker算法整合到一个框架中,分别看成是一种L1范数和L2范数算法。同时作者也提出一种这个框架下的无穷范数算法。

框架如下所示:

5. Adaptive image and video retargeting technique based on Fourier analysis

实质是一种不均匀缩放(Scaling)技术,重要的地方缩放少,不重要的地方缩放多。

根据图像的内容相似性,将图片分成几个宽度不同的竖条(bin),通过傅里叶分析得到每个竖条缩放的尺度,就可以达到缩放目的。

算法步骤如下所示:

6. Exploring Features in a Bayesian Framework for Material Recognition

利用LDA(Latent Dirichlet Allocation)模型识别材质(LDA模型没搞懂是什么意思,挺复杂的)。从图像中提取各种特征:

颜色和纹理

颜色用3×3的颜色块表示。

纹理用jet特征和SIFT特征表示。

微观纹理(Micro-texture)

对图像进行双边滤波,求出与原图像的残差,再提取jet特征和SIFT特征。

轮廓形状

图像的Canny边缘,计算三个尺度下的边缘曲率。

基于反射率(Reflectance)的特征

计算法线方向的方向梯度直方图(HOG,histogram of oriented gradients),叫做edge-slice。切线方向的方向梯度直方图,叫做edge-ribbon。

下图总结文中计算的所有特征:

与边缘相关的特征: