×
严涛；吴鹏；钱玉华；胡志国；刘凤仙

用于三维形状恢复的多尺度融合和聚合PCNN。 （英语） Zbl 1474.68403号

信息科学。 536, 277-297 (2020).
摘要：焦点形状（SFF）是一种广泛使用的方法，用于通过各种焦点测量算子从图像序列中恢复物体的三维（3D）形状。然而，以前的大多数研究都集中于使用基于单个透视图的指定焦点测量算子来评估深度图。这些方法严重限制了复杂真实场景重建结果的准确性。在本研究中，提出了一种基于多尺度融合视角的SFF方法。首先，讨论了利用平稳小波变换（SWT）获得高频系数与深度图之间映射关系的可行性。然后，引入水平约简，利用多级高频系数近似目标深度图。然后，使用具有可变大小交叉和修正拉普拉斯（CSML）算子的聚合脉冲耦合神经网络（a-PCNN）模型作为从选定的高频系数到不同窗口大小深度映射的映射函数。最后，提出了一种分层筛选方法（HSM），通过融合不同窗口大小的深度图来获得更准确的重建结果。实验结果表明，与比较的SFF方法和几种先进的多焦点图像融合方法相比，该方法实现了更精确的深度图估计，重建结果的表面一致性更好。

MSC公司：

68T45型 机器视觉和场景理解
68单位05 计算机图形；计算几何（数字和算法方面）
68平方英寸10 图像处理的计算方法

关键词：

焦点形状；图像融合；平稳小波变换；水位降低；PCNN公司
PDF格式BibTeX公司 XML格式引用
\textit{T.Yan}等人，《信息科学》。536277--297（2020年；Zbl 1474.68403）
全文： 内政部

参考文献：

[1] 美国阿里。；普鲁克斯，V。；Mahmood，M.T.，通过3D加权最小二乘法对形状进行图像聚焦体积正则化，信息科学，489，155-166（2019）
[2] 周，Y。；Zeng，F.，用于有效三维形状检索的二维压缩传感和多特征融合，信息科学，409-410，101-120（2017）
[3] Yu，J。；朱，C。；张杰。；黄，Q。；Tao，D.，空间金字塔增强NetVLAD，用于位置识别的加权三重损失，IEEE神经网络和学习系统汇刊，31，2，661-674（2020）
[4] Fotso Kamga Guy，A。；阿克拉姆，T。；Laurent，B。；Naqvi，S.R。；亚历克斯，M.M。；Muhammad，N.，用于自动土地利用分类的深度异构特征融合方法，信息科学，467199-218（2018）
[5] Yu，J。；Rui，Y。；Chen，B.，利用点击约束和多视图特征进行图像重新分类，IEEE多媒体交易，16，1，159-168（2014）
[6] 太阳，X。；刘振国。；胡玉霞。；张立明。；Zimmermann，R.，《场景分类的实际多通道视觉特征融合》，信息科学，429，37-48（2018）
[7] Yu，J。；Li，J.等人。；于，Z。；Huang，Q.，用于图像字幕的多视图视觉表示的多模变压器，IEEE视频技术电路和系统汇刊（2019年）
[8] Yu，T。；Yu，J。；于，Z。；Tao，D.，用于视频问答的两流融合合成注意网络，IEEE图像处理汇刊，291204-1218（2020）·兹伯利07585948
[9] Yu，J。；Rui，Y。；Tao，D.，使用多模式稀疏编码进行网络图像重新分类的点击预测，IEEE图像处理汇刊，23,52019-32（2014）·Zbl 1374.94435号
[10] Yu，J。；Tan，M。；张，H。；陶，D。；Rui，Y.，用于细粒度图像识别的分层深度点击特征预测，IEEE模式分析和机器智能汇刊（2019）
[11] Yan，T。；胡，Z。；钱，Y。；乔，Z。；Zhang，L.，使用多向修正拉普拉斯算子从多焦点图像融合中重建三维形状，模式识别，98，第107065页，（2020）
[12] Nayar，S.K。；Nakagawa，Y.，《焦点中的形状》，IEEE模式分析和机器智能汇刊，16824-831（1994）
[13] 马哈茂德，M.T。；Choi，T.-S.，从焦点增强图像聚焦体积形状的非线性方法，IEEE图像处理汇刊，212866-2873（2012）·Zbl 1373.94274号
[14] 佩图兹，S。；Puig，D。；Angel Garcia，M.，《从形状到焦点的焦点测量算子分析》，模式识别，46，1415-1432（2013）·Zbl 1264.68192号
[15] Thelen，A。；弗雷，S。；Hirsch，S.公司。；Hering，P.，《在聚焦算子、邻域大小和高度值插值方面全息重建的形状-自聚焦改进》，IEEE图像处理汇刊，18，151-157（2009）·Zbl 1371.94370号
[16] 田，Y。；胡，H。；崔，H。；Yang，S。；齐，J。；徐，Z。；Li，L.，使用具有自适应窗口大小的全向修正拉普拉斯算子从多焦点图像序列中恢复三维表面微观形貌，应用光学，56，226300-6310（2017）
[17] Malik，A.S。；Choi，T.-S.，一种在存在噪声的情况下使用图像焦点进行三维形状恢复的深度图估计的新算法，模式识别，412200-2225（2008）·Zbl 1138.68510号
[18] 米哈斯，R。；穆罕默德，A.A。；Wu，Q.M.J.，使用快速离散曲线变换从焦点形成形状，模式识别，44839-853（2011）
[19] Rahmat，R。；Malik，A.S。；Kamel，北卡罗来纳州。；Nisar，H.，《使用LULU算子和噪声存在下的离散脉冲变换从焦点获得3D形状》，《视觉通信和图像表示杂志》，24，303-317（2013）
[20] 田，Y。；崔，H。；潘，Z。；刘杰。；Yang，S。；刘，L。；Wang，W。；Li，L.，基于非抽样小波变换的多焦点显微图像序列三维重建改进算法，应用光学，57，14，3864-3872（2018）
[21] Suwajanakorn，S。；赫尔南德斯，C。；Seitz，S.M.，《手机聚焦深度》，IEEE计算机视觉和模式识别会议，3497-3506（2015）
[22] Wee，C.-Y。；Paramesran，R.，《使用特征值测量图像清晰度》，《信息科学》，1772533-2552（2007）·Zbl 1116.68109号
[23] 穆罕默德，M.S。；Choi，T.-S.，光学显微镜聚焦形状采样，IEEE模式分析和机器智能汇刊，34564-573（2012）
[24] 艾哈迈德，M.B。；Choi，T.S.，《寻找最佳聚焦形状的启发式方法》，IEEE视频技术电路和系统汇刊，15566-574（2005）
[25] 马哈茂德，M.T。；马吉德，A。；Choi，T.-S.，《利用遗传编程结合焦点度量的最佳深度估计》，《信息科学》，1811249-1263（2011）
[26] 李，H。；李，X。；于，Z。；Mao，C.，结合混合阶结构张量和多尺度邻域的多聚焦图像融合，信息科学，349，25-49（2016）·Zbl 1398.94042号
[27] 邓，X。；严，C。；Ma，Y.，PCNN机制及其参数设置，IEEE神经网络和学习系统汇刊，31，2，488-501（2020）
[28] 王，Z。；Ma，Y.，使用m-PCNN的医学图像融合，信息融合，9，2，176-185（2008）
[29] 王，Z。；马云（Ma，Y.）。；Gu，J.，使用PCNN的多焦点图像融合，模式识别，43，6，2003-2016（2010）·Zbl 1192.68795号
[30] 陈，J。；李，X。；罗，L。；梅，X。；Ma，J.，基于增强多尺度变换分解的红外和可见光图像融合，信息科学，508，64-78（2020）
[31] 李，S。；康，X。；方，L。；胡，J。；Yin，H.，《像素级图像融合：现状调查》，《信息融合》，33，100-112（2017）
[32] 艾玛兹，S。；Köse，C.，一种新的基于图像分解的混合技术和用于多聚焦图像融合的超分辨率方法，信息融合，45113-127（2019）
[33] 王，X。；张，S。；温·T。；Yang，H。；牛，P.，非次采样轮廓波变换域中基于系数差的水印检测器，信息科学，503274-290（2019）·Zbl 1453.94020号
[34] 王，X。；Yang，H。；Zhang，Y。；Fu，Z.，非子采样轮廓波变换域中基于SVM分类的图像去噪，信息科学，246155-176（2013）·Zbl 1320.68220号
[35] Yan，T。；刘，F。；Chen，B.，基于显著性分析的显微镜图像融合算法和非子采样轮廓变换域中的自适应m-pulse-copped神经网络，国际分布式传感器网络杂志，131550（2017）
[36] 王，X。；刘，Y。；Xu，H。；王，A。；Yang，H.，非亚采样剪切域鲁棒图像水印的盲最优检测器，信息科学，372634-654（2016）
[37] 钱，Y。；李，S。；梁，J。；施，Z。；Wang，F.，《基于悲观粗糙集的决策：多粒度融合策略》，信息科学，264196-210（2014）·Zbl 1335.68270号
[38] 钱，Y。；梁，J。；姚明，Y。；Dang，C.，MGRS:一个多粒度粗糙集，信息科学，39，8，949-970（2010）·Zbl 1185.68695号
[39] 钱，Y。；梁，J。；佩德里茨，W。；Dang，C.，《正逼近：粗糙集理论中属性约简的加速器》，人工智能，174597-618（2010）·Zbl 1205.68310号
[40] Xu，X。；Shan，D。；王，G。；Jiang，X.，利用QPSO算法优化的PCNN进行多模态医学图像融合，应用软计算，46，588-595（2016）
[41] 苏尔，J。；Jeon，H。；Park，Y。；我，S。；Ha，H.，《使用环形差分滤波器的抗噪聚焦深度》，IEEE计算机视觉和模式识别会议，6328-6337（2017）
[42] Helmli，F.S。；Scherer，S.，《利用光学显微镜中的误差估计自适应聚焦形状》（第二届图像和信号处理与分析国际研讨会论文集（2001）），188-193年
[43] 风扇，T。；Yu，H.，A，基于3D可控制滤波器的新型聚焦形状方法，用于改善无纹理区域的处理性能，光学通信，410，254-261（2018）
[44] 孙，Y。；Duthaler，S。；Nelson，B.J.，计算机显微镜中的自动聚焦：选择最佳聚焦算法，显微镜研究与技术，65139-149（2004）
[45] 黄，W。；Jing，Z.，多聚焦图像融合中聚焦度量的评估，模式识别快报，28493-500（2007）
[46] Huang，J。；沈，C。；Phoong，S。；Chen，H.，小波域图像聚焦的稳健测量，（智能信号处理与通信系统国际研讨会（2005）），157-160
[47] 刘，Y。；刘，S。；Wang，Z.，基于多尺度变换和稀疏表示的图像融合通用框架，信息融合，24147-164（2015）
[48] 张，Q。；Guo，B.-L.，使用非次采样轮廓波变换的多聚焦图像融合，信号处理，891334-1346（2009）·Zbl 1178.94035号
[49] 刘，Y。；陈，X。；彭，H。；Wang，Z.，利用深度卷积神经网络进行多聚焦图像融合，信息融合，36191-207（2017）
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。