保留色彩细节的多义图像混合系统研究

doi:10.3778/j.issn.1002-8331.2009.20.005

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 16-19.DOI: 10.3778/j.issn.1002-8331.2009.20.005

保留色彩细节的多义图像混合系统研究

刘文兆¹，湛永松^1，2，石民勇¹

1.中国传媒大学数字技术与艺术研发中心，北京 100024
2.香港城市大学深圳研究院，广东深圳 518058

收稿日期:2009-01-22 修回日期:2009-04-27 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 刘文兆

Research on multi-meanings image synthesis system with reserved color detail

LIU Wen-zhao¹，ZHAN Yong-song^1，2，SHI Min-yong¹

1.Digital Technology and Digital Art R&D Center，Communication University of China，Beijing 100024，China
2.Shenzhen Research Institute，City University of Hongkong，Shenzhen，Guangdong 518058，China

Received:2009-01-22 Revised:2009-04-27 Online:2009-07-11 Published:2009-07-11
Contact: LIU Wen-zhao

摘要/Abstract

摘要： 提出了一个通过保留全部频带信息来保留色彩细节的多义图像合成系统。系统依据两个用户给定的视距或视角将不同含义的两个目标图像合成一幅多义图像。首先，通过视距和图像高度的函数来选择小波分解级，从而对目标图像进行小波分解；其次，根据可选的融合规则和权值变量融合并重构出在两个视角下的多义图像；最后，采取均值降噪的方法滤除结果图像噪波。实验证明，该系统能高效合成视觉效果醒目的图像并充分保留原目标图像的色彩和细节特征，有利于满足商用需求。

关键词: 小波变换, 图像融合, 多义图像, 目标图像

Abstract: A multi-meanings image synthesis system with reserved color detail was proposed.The multi-meanings image was produced by two target images with different interpretations and two viewing distances or viewing angles presented by user.Firstly，the target images were decomposed by wavelet transform with the scale which was a function of viewing distance and image height.Secondly，the multi-meanings image viewed in two angles was reconstructed by elective fusion algorithms and variable power.Finally，the result images were averaged for denoising.Experimental results show that the system is efficient and commercially suitable to produce multi-meanings image with compelling visible effect and containing sufficient color and details of original images.

Key words: wavelet transform, image fusion, multi-meanings image, target image

刘文兆¹，湛永松^1，2，石民勇¹. 保留色彩细节的多义图像混合系统研究[J]. 计算机工程与应用, 2009, 45(20): 16-19.

LIU Wen-zhao¹，ZHAN Yong-song^1，2，SHI Min-yong¹. Research on multi-meanings image synthesis system with reserved color detail[J]. Computer Engineering and Applications, 2009, 45(20): 16-19.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[5]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[6]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[7]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[10]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[11]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[12]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[13]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[14]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[15]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.

保留色彩细节的多义图像混合系统研究

Research on multi-meanings image synthesis system with reserved color detail

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics