卡通化图像和视频的毛发纹理生成与替换

低成本卡通制作中的图像和视频通常缺乏对动物角色毛发效果的表现,为了能对已有图像及视频中的动物角色进行处理,为其增添具备真实感的毛发效果,提出一种毛发风格化算法——卡通化毛发纹理算法.针对卡通中的动物角色合成毛发纹理并进行替换,分为图像应用及视频应用2个部分.在图像替换时,对要进行风格化处理的目标区域进行图像结构分析,以获取覆盖目标区域的三角网格,再生成毛发纹元并映射于网格之上,通过绘制纹元来生成具备真实感的毛发效果;在进行视频替换时,提取视频关键帧并基于图像应用算法生成相应的卡通化毛发纹理进行图像替换,之后根据关键帧的替换结果指导整个视频的替换.为了获取随时间变化的图像关键帧目标区域,采用SIFT算法计算特征点在时间轴上的匹配;为了快速合成卡通化毛发纹理,采用基于GPU的光线行进算法加速毛发纹元的体绘制过程.实验结果表明,文中算法可成功地对已有图像及视频的动物角色添加具备真实感的毛发效果.

Local Feature Based Geometric-Resistant Image Information Hiding

Watermarking aims to hide particular information into some carrier but does not change the visual cognition of the carrier itself. Local features are good candidates to address the watermark synchronization error caused by geometric distortions and have attracted great attention for content-based image watermarking. This paper presents a novel feature point-based image watermarking scheme against geometric distortions. Scale invariant feature transform (SIFT) is first adopted to extract feature points and to generate a disk for each feature point that is invariant to translation and scaling. For each disk, orientation alignment is then performed to achieve rotation invariance. Finally, watermark is embedded in middle-frequency discrete Fourier transform (DFT) coefficients of each disk to improve the robustness against common image processing operations. Extensive experimental results and comparisons with some representative image watermarking methods confirm the excellent performance of the proposed method in robustness against various geometric distortions as well as common image processing operations.

基于仿射不变特征的图像匹配

图像匹配是计算机视觉中的一个重要研究领域，无论在民用还是军用上都有着重要的应用价值。本文以研究室国防重点预研究项目自动目标识别为背景，采用图像匹配方法，实现飞行器定位导航。具体工作流程是：事先利用侦察手段获取飞行器途经下方的地物景象(基准图)并存于飞行器载计算机中，然后当携带相应传感器的飞行器飞过预定的位置范围时，拍摄当地的地物景象(实时图)，将实时图和基准图在飞行器载计算机中进行匹配比较，可确定当前飞行器的准确位置，完成定位导航功能。 由于对同一场景使用相同或不同的传感器(成像设备)，以及在不同条件下(天候、照度、摄像位置和角度等)成像的复杂性和多样性等困难的存在，传统的相关匹配方法对上述困难的克服在方法原理上存在先天不足，所以无法胜任。故本文采用的方法是基于局部不变量特征的图像匹配。局部不变量特征因为能更灵活地描述图像，有效地处理图像复杂和遮挡问题，所以基于局部不变量特征的图像匹配方法对于视点的大变化，图像背景变化，以及目标场景识别等都有较好的效果。 基于局部不变量特征的图像匹配方法的步骤通常分为三部分：(1)用图像区域检测算子提取图像相关区域，(2)构造合适的特征描述区域，(3)选择特征相似度度量准则实现图像区域特征的匹配。本文详细研究了最大稳定极值区域 (MSER)方法，在此基础上进行了改进，具体工作如下：(1)利用高斯核函数对图像平滑采样，建立图像的高斯尺度空间，(2)在图像的高斯尺度空间中，利用MSER检测算子检测出图像在不同尺度下的所有仿射相关区域，(3)由于区域不规则，再用仿射不变的椭圆拟合并归一化，这时所有的区域仅存在旋转的不同，(4)用SIFT特征描述图像区域，得到所有区域的128维特征向量集。(5)采用欧式距离度量特征间的相似度，以最近邻和次近邻的比值作为特征匹配准则进行匹配。 本论文的主要研究工作在于把图像的高斯尺度空间引入到MSER算法中，进而大大改善了MSER算法对于图像的尺度变换、仿射变换以及图像模糊的性能。由于建立了高斯尺度空间，增加了MSER检测算子检测的范围，所以使得改进算法的性能得到了改善。论文第四章给出四组实验，分别为尺度变换，仿射变换，图像模糊和大视点变换。最后通过对匹配结果正确数量和错误数量的统计，论证了改进方法的性能要好于MSER算法。通过对算法复杂度的分析，得出虽然在改进算法引入了图像的高斯尺度空间，但是算法复杂度却并未增加，与MSER算法相同，为O(nloglogn)。