超像素基于的颜色传输.pdfVIP

超像素基于的颜色传输

RémiGiraudVinh-ThongTaNicolasPapadakis

Univ.Bordeaux,LaBRI,CNRS,UMR5800,F-33400Talence,France.

Univ.Bordeaux,IMB,CNRS,UMR5251,F-33400Talence,France.

BordeauxINP,LaBRI,UMR5800,F-33405Talence,France.

ABSTRACT

在这项工作中，我们提出了一种快速的基于超像素的

本颜色传输方法（SCT）。超像素能够减少图像维度并提

TargetimageSourceimageSCTresult

译取一组简化的颜色候选集。我们建议使用一种快速近

Fig.1:使用提出的SCT方法的颜色转移示例。

中似最近邻匹配算法，在该算法中我们通过限制相同超

2像素的选择来强制执行匹配多样性。设计了一个融合的算法。此外，当过程仅在颜色空间中执行时，可能

v

0框架以传输匹配的颜色，并且我们展示了与精确匹配会将不一致的颜色转移到相邻像素上。诸如JPEG压

1结果相比所获得的改进。最后，我们证明了SCT在视缩块、增强的噪声或饱和度等问题就会变得明显[11]，

0

6觉效果上与最先进的方法具有竞争力。除非考虑对象语义信息[8]。在[12]中，使用EM方法

0

3.IndexTerms—颜色转移，超像素来估计颜色和像素空间中的高斯混合模型，因为像素

0位置有助于保持图像几何结构。然而，一个主要的限

9

11.介绍制是使用基于最近邻准则的贪婪方法匹配聚类，无法

:

v控制所选源颜色。在[13]中，应用了松弛最优传输模

i

x颜色转移包括使用一个或多个参考源图像来修改型来进行色彩转移，采用超像素低级表示。

r

a目标图像的颜色分布。生成的结果必须与目标图像的超像素。这些分解方法通过将像素分组到同质区域来

结构一致，而且计算时间是处理大图或视频序列时的降低图像的维度[14,15,16]。它们被广泛用于减少诸

一个重要问题。如多类对象分割[17]、对象定位[18]或轮廓检测[19]

颜色转移。由[1]提出的许多方法被用于在不同的颜色等各种图像处理任务的计算负担。通常，分解的不规

空间中传输颜色统计[2,3,4,5]。最优传输工具也被广则几何形状使其难以在标准过程中使用。然而，在颜

泛研究，以匹配和转移整个颜色分布[6,7,8]。然而，色传输应用中，超像素变得特别有趣，因为它们能够

正如[9]所强调的那样，由于图像之间的颜色分布可能描述一致的颜色区域，并且可以找到匹配，而不考虑

差异很大，精确的颜色调色板传输可能会产生视觉异超像素邻域结构。

常。因此，提出了不完全匹配颜色分布的松弛最优传超像素基的方法如[13,20]允许更好地适应颜色

输模型来解决这个问题[10]，但这些方法依赖于耗时直方图和图像内容，但仍需要重要的计算成本。除了

ThisworkhasbeencarriedoutwithfinancialsupportoftheFrench跟踪应用[21]，快速超像素匹配方法研究较少。例如，

State,managedbytheFrenchNationalResearchAgency(ANR)inthe在[22]中，PatchMatch(PM)算法[23]用于在图像之