一种基于显著性区域检测模型背景虚化方法.pdf
一条****ee
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于显著性区域检测模型背景虚化方法.pdf
本发明公开了一种基于显著性区域检测模型背景虚化方法,包括以下步骤:获取原始图像,构建显著性区域检测模型卷积网络得到原始图像的显著性图,将获得的显著性图像放入全连接条件随机场进行训练获得优化后的显著性图像,再将优化后的显著性图进行二值化或分割处理得到01矩阵,得到前景索引矩阵和背景索引矩阵;利用距离加权平均算法实现原始图像的全局模糊;最后将前景原图和模糊背景图相拼接,生成虚化背景图。本发明不仅能准确的检测出完整的显著性区域,且显著性边界较为清晰,从而在虚化背景的时候能够保留前景图的特征,不损坏前景图图像内容
基于马尔可夫吸收模型的显著性区域检测方法.pdf
本发明公开一种基于马尔可夫吸收模型的显著性区域检测方法,本发明的步骤为:(1)生成超像素标签矩阵;(2)生成超像素的特征值;(3)构建超像素映射图像的图模型;(4)筛选转移节点和背景吸收点;(5)生成马尔可夫吸收链模型的转移矩阵;(6)生成马尔可夫吸收模型显著特征图;(7)生成全局特征图;(8)获得特征叠加图;(9)获得显著区域检测图。本发明采用了筛选转移节点和背景吸收点法,获得真正属于背景的超像素作为背景吸收点,提高了显著性检测的准确性。本发明通过计算全局特征图进行特征叠加,可以获得均匀且边界完整的目标
基于显著图的图像背景虚化方法.pdf
本发明涉及一种基于显著图的图像背景虚化方法,包括:通过显著性检测得到图像的显著图,再将显著图进行二值化或分割处理,同时得到前景索引矩阵和背景索引矩阵;利用距离加权平均算法实现图像的全局模糊;利用前景索引矩阵和背景索引矩阵融合原图和模糊图,二者的叠加即为最终处理结果。本发明能有效地保持前景区域并迷糊背景区域,全过程无需人手工标注。
基于混合算法的红外图像显著性区域检测方法.pdf
本发明公开一种基于混合算法的红外图像显著性区域检测方法,首先,对原始红外图像进行局部稀疏表示,得到基于局部稀疏表示的初始显著图;其次,提出了融合二维最大熵/最小交叉熵和最大标准差的红外图像前景预测算法,对原始红外图像进行处理,得到突显目标并抑制背景的前景预测图;第三,将原始图像与前景预测图相减,得到原始红外图像的背景图;最后,将初始显著图减去背景图,得到最终的显著性区域检测结果。该结果与初始显著图相比,显著性区域的轮廓更加清晰,且非显著性区域被充分抑制。本发明通过混合局部稀疏表示理论、信息熵、及最大标准差
一种基于tof相机软分割的人像头部背景虚化方法.pdf
本发明公开了一种基于tof相机软分割的人像头部背景虚化方法,包括步骤S1:分析人像头部噪声,步骤S2:提取tof相机下的基于深度学习的语义信息,步骤S3:进行基于tof相机下的头部软分割,步骤S4:利用所述软分割权重和tof参数的高斯卷积对整张照片卷积处理,实现人像背景的虚化。本发明利用软分割技术(alphamatting)来大大优化人像模式的效果。利用本发明的技术可以把人像边缘的发丝信息全部保留,而虚化不属于人部分的背景信息。把本发明的算法集成到手机显卡中之后,拍摄虚化速度和苹果手机拍摄速度基本相同。