基于帧间相似性的光场图像压缩与对象分割算法的开题报告.docx

基于帧间相似性的光场图像压缩与对象分割算法的开题报告
一、选题背景：
光场相机具有捕捉线性深度信息的能力，能够允许有效的后期处理，如视差估计，深度估计，立体重建等。然而，在传输和存储方面，大量的数据限制了光场图像的实际应用。因此，设计一种高效的光场图像压缩和对象分割算法，针对数据复杂度和处理速度来解决压缩和分割问题尤为重要。
二、选题目的：
对于光场图像的压缩和分割问题，我们提出了一种基于帧间相似性的算法。该算法在每帧图像中提取关键点，然后计算出关键点到相邻帧的运动向量，利用运动估计，对每个像素进行复原，从而达到压缩的目的。而对于对象的分割问题，则可以进一步优化帧间相似性，利用连续图像的相似性来提取目标区域，准确分割出对象。
三、选题思路：
光场数据是比一般图像数据更大的数据量，传统的压缩技术不能解决其实际存储和传输的需求。因此，对于光场数据，我们需要一种特定的压缩方法。本文提出的算法主要分为两步：压缩和分割。压缩部分通过将光场图像中的每个像素与其它相邻帧的像素进行运动估计，并利用运动向量进行重建达到压缩的目的。而分割部分则是建立在压缩基础上的，通过对每个像素及其相邻像素的相似性进行计算来达到分割的效果。对于相似性的计算，我们将用到机器学习的技术。这种基于帧间相似性的算法可以快速压缩图像数据，达到实时处理效果，使光场图像的后期处理变得更加容易。
四、关键技术：
1.帧间运动估计：通过帧间的运动向量，可以找到相邻像素之间的相似性。
2.特征提取：提取出光场图像中的关键点，并计算出关键点之间的运动向量。
3.机器学习：使用机器学习技术从光场图像中提取出目标区域。
4.码率控制：控制压缩的比例，以达到预期的压缩效果。
五、预期成果：
1.实现基于帧间相似性的光场图像压缩算法。
2.实现基于帧间相似性的对象分割算法。
3.实现实时处理效果。
4.能够对光场图像进行压缩和对象分割，提高光场图像的应用实用性。
六、创新点：
1.基于帧间相似性的光场图像压缩算法，该算法可以在处理速度和压缩比之间进行权衡，以达到最佳的结果。
2.基于机器学习的对象分割算法，通过机器学习的技术，可以达到更加精准的分割效果。
七、参考文献：
1.Shi,J.,&Malik,J.(2000).Normalizedcutsandimagesegmentation.IEEETransactionsonPatternAnalysisandMachineIntelligence,22(8),888-905.
2.Tomasi,C.,&Kanade,T.(1991).Detectionandtrackingofpointfeatures.CarnegieMellonUniversity.
3.Dinh,T.N.,Thai,M.T.,&Idoumghar,L.(2019).3Dconvolutionalneuralnetworkformicro-expressionrecognition.IEEETransactionsonAffectiveComputing,1-1.
4.Zhou,H.,&Graham,J.(2018).Imageandvideocompression:thefuture.IEEESignalProcessingMagazine,35(1),16-36.