رنگآمیزی تصاویر عمق با استفاده از میدان تصادفی مارکوف

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 454

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF03_550

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

تصاویر عمق گرفته شده از حسگرهای مبتنی بر نور ساختیافته دارای نویز فراوانی هستند. نویز در این تصاویر به صورت حفرههایی دیده میشود که استفاده از دادهها را در برنامههای کاربردی با مشکل مواجه میکند، مشکل اصلی حفره های بزرگ در صحنه است. حفرهها باید به گونهای پر شوند که هندسه سهبعدی صحنه حفظ شود. هدف مقاله ارائه روش رنگآمیزی مبتنی بر میدان تصادفی مارکوف است که با استفاده از تصویر رنگی و عمق، حفرههای تصویر عمق را با حفظ ساختار هندسی تصویر پر کند. با تبدیل دادههای عمق به ابرنقاط و انتقال آن به مختصات قطبی میتوان از نظاممند بودن زوایا در این دستگاه مختصات استفاده کرد و برای حفرهها تخمین اولیه به دست آورد. سپس با استفاده از تقطیع مبتنی بر دادههای رنگ، عمق و بردار نرمال، صحنه را براساس صفحات ناحیهبندی کرد. در ادامه، با تعریف توابع پتانسیلزیرپیمانهای در مدل رنگآمیزی از روش سریع دوگان اولیه برای کمینه کردن انرژی بهره برد. روش پیشنهادی بر روی پایگاهداده نیویورک و داده شبیهسازی شده مورد ارزیابی قرار گرفته است، در این نتایج حفرههای بزرگ به خوبی با حفظ هندسه تصویر رنگآمیزی شده است

نویسندگان

مهلا نجاتی

گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

احد هراتی

گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Masnou, S. and J.-M. Morel. Level lines based disocclusion. in ...
  • Bertalmio, M., et al. Image inpainting. in Proceedings of the ...
  • Telea, A., An image inpainting technique based on the fast ...
  • Shen, J. and T.F. Chan, Mathematicd models for local nontexture ...
  • Chan, T. and J. Shen, Mathematicat models for local deterministic ...
  • Getreuer, P., Total variation inpainting using split Bregman. Image Processing ...
  • Chan, T.F, S.H. Kang, and J. Shen, Euler's elastica and ...
  • Chan, T.F. and J. Shen, Nontexture inpainting by _ rvature-driven ...
  • Papandreou, G., P. Maragos, and A. Kokaram. Image inpainting with ...
  • Yang, Q., et al., Fusion of median and bilateral filtering ...
  • Xu, Z. and J. Sun, Image inpainting by patch propagation ...
  • Roth, S. and M.J. Black. Fields of experts: A framework ...
  • Diebel, J. and S. Thrun. An application of markov random ...
  • Ruzic, T. and A. Pizurica, Context-aware patch-based image inpainting using ...
  • Yang, Q., et al. Spatial-depth super resolution for range images. ...
  • Levin, A., D. Lischinski, and Y. Weis. Colorization using optimization. ...
  • Harrison, A. and P. Newman. Image and sparse laser fusion ...
  • Klasing, K., et al. Comparison of surface normal estimation methods ...
  • Chatterjee, A. and V.M. Govindu, Noise in Structu red-Light Stereo ...
  • Holzer, S., et al. Adaptive neighborhood selection for real-time surface ...
  • Schnabel, R., R. Wahl, and R. Klein. Efficent RANSAC for ...
  • Kleinberg, J. and E. Tardos, Approximation algorithms for classification problems ...
  • Komodakis, N., G. Tziritas, and N. Paragios, Performance _ computational ...
  • Komodakis, N., N. Paragios, and G. Tziritas, MRF energy minimization ...
  • Chen, C., et al., Kinect Depth Recovery Using a Color-guided, ...
  • نمایش کامل مراجع