基于双边核回归的相对约减纹理分解方法-计算机辅助设计与图形学学报.PDF

基于双边核回归的相对约减纹理分解方法-计算机辅助设计与图形学学报.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于双边核回归的相对约减纹理分解方法-计算机辅助设计与图形学学报

第 28 卷 第 12 期 计算机辅助设计与图形学学报 Vol. 28 No.12 2016 年 12 月 Journal of Computer-Aided Design Computer Graphics Dec. 2016 基于双边核回归的相对约减纹理分解方法 1,2) 1) 1) 1) 3,4) 苏 卓 , 吴学标 , 曾碧怡 , 颜吉超 , 罗笑南 1) ( 中山大学数据科学与计算机学院 广州 510006) 2) ( 中山大学国家数字家庭工程技术研究中心 广州 510006) 3) (北京工业大学城市交通学院多媒体与智能软件技术北京市重点实验室 北京 100124) 4) ( 中山大学深圳研究院 深圳 518057) (suzhuo3@mail.sysu.edu.cn) : 图像中结构被纹理覆盖的现象无处不在, 将结构从复杂的纹理中提取出来是一件非常有挑战但又极其重要 的事情. 为此, 提出基于双边核回归的纹理分解方法, 通过局部全变分的核描述子能将结构和纹理很好地区分开来 , 并将结果与双边核回归框架相结合 : 采用相对约减纹理分解来构造结构核描述子 ; 再将该描述子与双边核回归融合 来获得期望的结构感知滤波输出 ; 最后采用一个稳定近似迭代的流程来实现所提算法 . 实验证明, 与其他边缘感知 滤波方法相比, 文中方法能获得更佳的结构保持效果, 并能被推广到多个视觉相关的应用上 , 如高动态范围色调映 射、超像素分割等 . : 边缘感知滤波; 边缘保持平滑; 结构纹理分解 : TP391.41 Related Reductive Texture Decomposition via Bilateral Kernel Regression Su Zhuo1,2) , Wu Xuebiao1), Zeng Biyi1), Yan Jichao1), and Luo Xiaonan3,4) 1) (School of Data and Computer Science, Sun Yat-sen University, Guangzhou 510006) 2) (National Engineering Research Center of Digital Life, Sun Yat-sen University, Guangzhou 510006) 3) (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, College of Metropolitan Transportation, Beijing University of Tech- nology, Beijing 100124) 4) (Research Institute of Sun Yat-sen University in Shenzhen, Shenzhen 518057) Abstract: It is ubiquitous that meaningful structures are appear over textured surfaces. Extracting them un- der the complication of texture patterns is very challenging, but of great practical importance. Consequently, we have proposed a novel structure-aware filter via bilateral

文档评论(0)

fengruiling + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档