王泽晶-计算机图形学技术前沿讲座总结报告.docVIP

计算机图形学技术前沿讲座总结报告 前沿讲座题目： 计算机图形学技术前沿讲座-媒体计算 主讲老师： 张松海 听讲日期： 2011年10月15日 学生姓名： 王泽晶 总结报告日期： 2011年11月1日 总结报告题目： 基于互联网图像合成的技术特点及应用前景展望 计算机图形学主要研究如何在计算机中表示图形、以及利用计算机进行图形的计算、处理和显示的相关原理与算法。它的应用领域包括计算机辅助设计与加工、影视动漫、军事仿真、医学图像处理，公共安全、虚拟现实、气象和电磁等的科学可视化等。在动漫产业中的运用，使得计算机图形学的发展有了更客观的经济价值。媒体计算从运动放大、真实视频艺术化、视频融合等方面得以应用，其主要关注于可视媒体。 媒体计算及媒体计算技术 媒体计算是指文字、图形、图像、视频、音频等各类媒体信息的计算理论、算法和应用技术，包括媒体的共性基础计算理论，以及各类媒体信息的表示、分析与利用算法。 媒体计算的相关方向有以下三个：数字图像处理、计算机视觉、计算机图形学 媒体计算技术是以图像处理和视觉算法为工具，结合图形学高效数据结构和计算方法，面向实际应用，研究快速便捷的满足用户需求的图像/视频生成和处理方法。 媒体计算技术应用 常用的媒体计算应用有： 图像/视频增强与修复 图像/视频内容编辑 图像/视频合成 图像/视频内容生成 主要应用领域： 数字内容产业 包括影视，动漫，广告传媒等 虚拟现实 公共安全 媒体计算技术的主要研究内容分为底层和上层两部分，其中底层研究的是图像与视频的分析与理解；上层研究的是面向内容的图像与视频处理。一般的处理流程包括：特征提取→跟踪→分割、对象提取→编辑、修复、合成等处理。 基于互联网图象合成技术 这类技术应用是媒体计算技术实际应用的一种，它是基于互联网海量的图像信息源，通过用户给定的图像期望元素对象以及对象的具体特征，通过一定的筛选过滤算法，从图像库中选择最匹配的图像源，再经过对图像对象的分割、提取，经过处理后最终合成出最能满足用户需要的结果图像。 其一般的处理流程是： 用户给出期望图像的草图，根据文字标签从互联网自动下载图像 进行基于轮廓喝内容一致性的图像过滤，并将前景图像分割出来 计算最优的图像合成组合 对培训的前十组组合进行合成，将结果提供给用户，用户可以选择满意的合成结果，并进行简单的交互修正 在这个过程中，使用到的核心技术有以下几点： 图像检索及图像过滤 根据用户给定的草图及文字标签，系统需要在互联网图像库中自动过滤并下载合适的图像，这就要求系统要对互联网图像库中的图像预先进行处理，抽取出图像的特征信息，然后与用户输入的信息做比对，过滤出与用户输入的特征相符合的图像，以作进一步处理之用。 图像的特征提取，在本次讲座中介绍了多种提取算法，如角点提取、SIFT特征提取、区域提取，等等，系统可以根据不同情况，选择不同提取方式。 图像的检索，也可以根据实际情况选择合适的检索算法来实现。 图像分割及对象提取 在检索出符合用户描述特征的图像后，需要将图像进一步处理，分割和提取出用户需要的对象元素，作为最后图像合成的基础元素单元。 图像分割技术，在本次讲座中也详细介绍过，主要思路有基于运动聚类和基于颜色聚类，也有一些较成熟的算法支持。 对象的提取，在本次讲座中着重介绍了蒙版的概念。 图像合成 系统在抽取出符合用户描述特征的对象元素后，最后一步就是将各个独立元素合成为一张图像，然后反馈给用户。 这个过程中最关键的技术就是图像合成技术，在讲座中介绍了基于混合便捷条件的图像合成技术，对比以前的方法，合成的瑕疵较少，同时，还能使各个对象元素的光照效果一致，使图像真实感更强。 基于互联网图像合成技术，是在互联网快速发展的大环境下应运而生的新兴技术应用，其最大的优势在于，它充分利用了互联网海量的图像数据，极大的丰富了作为合成候选源的图像对象元素库，使得绝大多数的用户需求都能够得到满足。同时随着互联网图像数据的不断增加，对象元素库也会不断的丰富下去，这就让系统能够越来越完美的实现用户的需求，也能够支持更加复杂更加个性化的用户需求。 随着数据量的急速增长，系统对于处理技术的要求也会越来越高，一些更快速更准确的处理技术也会不断的被应用到系统中来，这也会作为一种源动力，不断地推动者媒体计算技术的不断向前发展。 清华计算机系工程硕士-王泽晶 第 3 页 共 3 页