×
琼·杜兰;朱莉娅·纳瓦罗;安东尼·巴德斯

配准图的变分致密化和精细化。 （英语） Zbl 1524.68420号

SIAM J.成像科学。 14，第3号，879-912（2021）.
摘要：基于局部补丁的图像配准算法无法准确匹配判别力不足的区域（主要是无纹理区域）中的点。这些方法通常涉及验证过程，并提供非完全致密的溶液。在本文中，我们提出了一种新的细化和完成注册的方法。该模型将单图像非局部加密与经典变分图像配准相结合。我们将全变分正则化与非局部项相关联，以利用图像几何提供平滑的解决方案。我们在公共立体和光流数据集上进行了实验，以过滤和加密不完整的深度图和运动场。与现有和最先进的深度/运动场加密方法进行的广泛比较表明了所引入方法的竞争性能。此外，我们还说明了我们的方法如何处理其他任务，例如从RGBD数据中过滤和插值深度图以及深度上采样。

MSC公司：

68单位10 图像处理的计算方法
65K10码 数值优化和变分技术
94A08级 信息与通信理论中的图像处理（压缩、重建等）

关键词：

登记;立体声;光流;插值;过滤

软件：

FlowNet公司;DeepFlow公司;EpicFlow公司;SIFT公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Duran}等人，SIAM J.成像科学。14，第3号，879--912（2021；Zbl 1524.68420）
全文： 内政部

参考文献：

[1] F.Andreu、V.Caselles、J.Diaz和J.Mazon，总变化流的定性特性，J.Funct。分析。，188（2002），第516-547页·Zbl 1042.35018号
[2] P.Arias、G.Facciolo、V.Caselles和G.Sapiro，基于范例的图像修复的变分框架，国际计算机杂志。视觉。，93（2011），第319-347页·Zbl 1235.94015号
[3] C.Bailer、B.Taetz和D.Stricker，《流场：高精度大位移光流估算的密集对应场》，《IEEE计算机视觉国际会议论文集》，2015年，第4015-4023页。
[4] M.Black和P.Anandan，多运动的稳健估计：参数和分段光滑流场，计算。视觉。图像理解。，63（1996），第75-104页。
[5] G.Blanchet、A.Buades、B.Coll、J.-M.Morel和B.Rougeá，《肥育自由块匹配》，J.Math。成像视觉。，41（2011），第109-121页·Zbl 1255.68208号
[6] X.Bresson和T.Chan，非局部无监督变分图像分割模型，加州大学洛杉矶分校技术报告，加州大学洛杉矶分校，2008年。
[7] L.G.Brown，《图像配准技术调查》，ACM Computing调查，24（1992），第325-376页。
[8] T.Brox、A.Bruhn、N.Papenberg和J.Weickert，基于翘曲理论的高精度光流估计，《欧洲计算机视觉会议论文集》，《计算讲义》。科学。3024，施普林格，纽约，2004年，第25-36页·Zbl 1098.68736号
[9] T.Brox和J.Malik，《大位移光流：变分运动估计中的描述符匹配》，IEEE Trans。模式分析。机器。智力。，33（2011年），第500-513页。
[10] A.Buades、B.Coll、J.L.Lisani和C.Sbert，条件图像扩散，逆问题成像，1（2007），第593-608页·Zbl 1194.68249号
[11] A.Buades、B.Coll和J.-M.Morel，图像去噪算法综述，以及一种新的算法，SIAM多尺度模型。模拟。，4（2005），第490-530页·Zbl 1108.94004号
[12] A.Buades、J.Duran和J.Navarro，《用于多图像和多模式超分辨率的运动补偿时空滤波》，国际计算机杂志。视觉。，127（2019），第1474-1500页。
[13] A.Buades和G.Facciolo，《可靠的多尺度和多窗口立体匹配》，SIAM J.Imaging Sci。，8（2015），第888-915页·Zbl 1311.62095号
[14] D.J.Butler、J.Wulff、G.B.Stanley和M.J.Black，一部用于光流评估的自然主义开源电影，载于《欧洲计算机视觉会议》，A.Fitzgibbon等人主编，第四部分，《计算机课堂讲稿》。科学。7577，施普林格，纽约，2012年，第611-625页。
[15] A.Chambolle和T.Pock，凸问题的一阶原对偶算法及其在成像中的应用，J.Math。成像视觉。，40（2011年），第120-145页·兹比尔1255.68217
[16] A.Chambolle和T.Pock，成像连续优化介绍，《数值学报》。，25（2016），第161-319页·Zbl 1343.65064号
[17] S.D.Cochran和G.Medioni，双目立体三维表面描述，IEEE Trans。模式分析。《机器智能》，14（1992），第981-994页。
[18] J.Duran、A.Buades、B.Coll和C.Sbert，泛锐化图像融合的非局部变分模型，SIAM J.成像科学。，7（2014），第761-796页·Zbl 1298.68286号
[19] J.Duran、M.Moeller、C.Sbert和D.Cremers，《协作全变差：矢量电视模型的一般框架》，SIAM J.Imaging Sci。，9（2016），第116-151页·Zbl 1381.94016号
[20] I.Ekeland和R.Temam，凸分析和变分问题，SIAM，费城，1999年·Zbl 0939.49002号
[21] P.Fischer、A.Dosovitskiy、E.Ilg、P.Haáusser、C.Haz\irbas、V.Golkov、P.van der Smagt、D.Cremers和T.Brox，《Flownet:用卷积网络学习光流》，预印本，https://arxiv.org/abs/1504.06852, 2015.
[22] P.Fua，一种并行立体算法，可生成密集的深度图并保留图像特征，机器视觉应用。，6（1993），第35-49页。
[23] F.P.Gamonal、C.Ballester、G.Haro、E.Meinhardt-Llopis和R.P.Palomares，《用于光流估计的FALDOI方法的分析和加速》，《图像处理杂志》。在线，9（2019），第94-123页。
[24] A.Geiger、M.Roser和R.Urtasun，高效大规模立体匹配，《亚洲计算机视觉会议论文集》，计算机课堂讲稿。科学。6492，施普林格，纽约，2010年，第25-38页。
[25] G.Gilboa和S.Osher，非局部线性图像正则化和监督分割，SIAM多尺度模型。模拟。，6（2007年），第595-630页·Zbl 1140.68517号
[26] G.Gilboa和S.Osher，图像处理应用的非局部算子，SIAM多尺度模型。模拟。，7（2008），第1005-1028页·Zbl 1181.35006号
[27] L.Grady，图像分割的随机行走，IEEE Trans。模式分析。《机器智能》，28（2006），第1768-1783页。
[28] B.K.Horn和B.G.Schunck，《确定光流》，人工智能，17（1981），第185-203页·Zbl 1497.68488号
[29] Y.Hu、Y.Li和R.Song，大位移光流对应的稳健插值，《IEEE计算机视觉和模式识别会议论文集》，2017年，第4791-4799页。
[30] T.Kanade和M.Okutomi，带自适应窗口的立体匹配算法：理论和实验，IEEE Trans。模式分析。《机器智能》，16（1994），第920-932页。
[31] S.Kindermann、S.Osher和P.Jones，用非局部泛函对图像进行去模糊和去噪，SIAM多尺度模型。模拟。，4（2005），第1091-1115页·Zbl 1161.68827号
[32] P.Kno¨belreiter和T.Pock，《学习的协作立体细化》，收录于《模式识别》，施普林格，纽约，2019年，第3-17页。
[33] J.Kowalczuk、E.T.Psota和L.C.Perez，使用自适应支持-权重对应的迭代细化方法在CUDA上进行实时立体匹配，IEEE Trans。电路系统视频技术，23（2013），第94-104页。
[34] V.Lazcano、P.Arias、G.Facciolo和V.Caselles，视差插值的基于梯度的邻域滤波器，《IEEE图像处理国际会议论文集》，2012年，第873-876页。
[35] D.G.Lowe，《不同尺度关键点的独特图像特征》，国际计算机杂志。视觉。，60（2004年），第91-110页。
[36] W.Mao、M.Wang、J.Zhou和M.Gong，使用双cnn的半感立体匹配，《2019年IEEE计算机视觉应用冬季会议论文集》，2019年，第1588-1597页。
[37] E.Meímin和P.Peírez，使用稳健技术对光流进行密集估计和基于对象的分割，IEEE Trans。图像处理。，7（1998），第703-719页。
[38] Y.Meyer，图像处理和非线性演化方程中的振荡模式：第十五届院长杰奎琳·刘易斯纪念讲座，大学。22，AMS，普罗维登斯，RI，2001年·Zbl 0987.35003号
[39] J.Navarro和A.Buades，《针对局部立体声的视差自适应加权聚合》，载于《IEEE图像处理国际会议论文集》，IEEE，2017年，第2249-2253页。
[40] J.Navarro和A.Buades，通过移位自适应加权聚合和变分补全实现的半感知和鲁棒图像配准，图像视觉计算，89（2019），第258-275页。
[41] J.Navarro、J.Duran和A.Buades，《不准确和不完整深度图的过滤和插值》，第25届IEEE图像处理国际会议论文集，IEEE，2018年，第1533-1537页。
[42] M.Nikolova，《去除离群值和脉冲噪声的变分方法》，J.Math。成像视觉。，20（2004年），第99-120页·Zbl 1366.94065号
[43] R.P.Palomares、E.Meinhardt-Llopis、C.Ballester和G.Haro，FALDOI：大位移变分光流的新最小化策略，J.Math。《成像视觉》，58（2017），第27-46页。
[44] N.Papenberg、A.Bruhn、T.Brox、S.Didas和J.Weickert，《具有理论证明翘曲的高精度光流计算》，国际计算机杂志。视觉。，67（2006），第141-158页。
[45] G.Peyreí，S.Bougleux和L.Cohen，反问题的非局部正则化，《欧洲计算机视觉会议论文集》，《计算讲义》。科学。5304，施普林格，纽约，2008年，第57-68页。
[46] L.Raad，M.Oliver，C.Ballester，G.Haro和E.Meinhardt，关于各向异性光流修复算法，IPOL J.图像处理。在线，10（2020年），第78-104页。
[47] J.Revaud、P.Weinzaepfel、Z.Harchaoui和C.Schmid，《Epicflow:光流对应的边缘保护插值》，《IEEE计算机视觉和模式识别会议论文集》，2015年，第1164-1172页。
[48] R.Rockafellar，《凸分析》，《普林斯顿数学和物理地标》28，普林斯顿大学出版社，新泽西州普林斯顿，1997年·Zbl 0932.90001号
[49] L.Rudin、S.Osher和E.Fatemi，基于非线性总变差的噪声去除算法，物理。D、 60（1992年），第259-268页·Zbl 0780.49028号
[50] P.Sand和S.Teller，《粒子视频：使用点轨迹的远程运动估计》，国际计算机学会。视觉。，80（2008），第72-91页。
[51] D.Scharstein、H.Hirschmuöller、Y.Kitajima、G.Krathwohl、N.Nevsicí、X.Wang和P.Westling，《亚像素级精确地面实况的高分辨率立体数据集》，《德国模式识别会议论文集》，纽约斯普林格，2014年，第31-42页。
[52] R.Schuster、C.Bailer、O.Wasenmuöller和D.Stricker，《流场++：精确光流对应满足稳健插值》，载于《第25届IEEE图像处理国际会议论文集》，IEEE，2018年，第1463-1467页。
[53] M.Stoll、S.Volz和A.Bruhn，《特征匹配到可变光流方法的自适应集成》，《亚洲计算机视觉会议论文集》，纽约斯普林格，2012年，第1-14页。
[54] E.Strekalovskiy、A.Chambolle和D.Cremers，耦合正则化向量问题的凸松弛，SIAM J.成像科学。，7（2014），第294-336页·Zbl 1298.68288号
[55] W.Wang和M.Ng，图像分解的非局部总变分模型：照明和反射率，数值。数学。理论方法应用。，7（2014），第334-355页·Zbl 1324.68236号
[56] P.Weinzaepfel、J.Revaud、Z.Harchaoui和C.Schmid，《深流：具有深度匹配的大位移光流》，《IEEE计算机视觉国际会议论文集》，2013年，第1385-1392页。
[57] M.Werlberger、T.Pock和H.Bischof，非局部全变差正则化运动估计，《IEEE计算机视觉和模式识别会议论文集》，IEEE，2010年，第2464-2471页。
[58] M.Werlberger、T.Pock、M.Unger和H.Bischof，光流引导TV-L视频插值和恢复，摘自《计算机视觉和模式识别中能量最小化方法国际研讨会论文集》，纽约斯普林格，2011年，第273-286页。
[59] J.Wulff和M.J.Black，使用学习的基础和层进行高效稀疏光流估计，《IEEE计算机视觉和模式识别会议论文集》，2015年，第120-130页。
[60] J.Yang，X.Ye，K.Li，C.Hou，Y.Wang，使用自适应自回归模型从RGB-D数据中进行彩色引导深度恢复，IEEE Trans。图像处理。，23（2014），第3443-3458页·Zbl 1374.94425号
[61] L.Yatziv和G.Sapiro，使用色度混合的快速图像和视频彩色化，IEEE Trans。图像处理。，15（2006年），第1120-1129页。
[62] K.-J.Yoon和I.Kweon，通信搜索的自适应支持-加权方法，IEEE Trans。模式分析。机器。智力。，28（2006），第650-656页。
[63] C.Zach、T.Pock和H.Bischof，实时TV-L（1）光流的基于对偶的方法，收录于模式识别，Springer，纽约，2007年，第214-223页。
[64] X.Zhang，M.Burger，X.Bresson和S.Osher，Bregmaized non-local regulation for deconvolution and spare reconstruction，SIAM J.Imaging Sci。，3（2010年），第253-276页·Zbl 1191.94030号
[65] B.Zitova和J.Flusser，图像配准方法：调查，图像视觉计算。，21（2003），第977-1000页。
[66] 祖勇，高克强，鲍晓伟，唐文华，大位移光流的显著引导快速插值，《第24届国际模式识别会议论文集》，IEEE，2018年，第1145-1150页。
[67] S.Zweig和L.Wolf，InterpoNet，用于光流密集插值的大脑启发神经网络，《IEEE计算机视觉和模式识别会议论文集》，2017年，第6363-6372页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。