[发明专利]一种大位移下形变辅助的图像插补方法

说明书

技术领域

本发明涉及一种目标图像和源图像存在大位移情况的图像插补方法，属于图像插补领域。

背景技术

在现有的图像插补技术中，通常涉及如下技术要点：源图像与目标图像关联特征点确定、中间过渡像素运动路径的确定、插补映射空间和混合投影像素。

基于网格的插补算法[1,2]，不仅需要大量的人工标注工作，由于网格变化的全局特性，不适用于局部大尺度变化的图像过渡。基于点的插补算法[3,4,5,6,7]，直接利用图像结构、颜色等信息计算出源图像与目标图像的特征关联点，然而当图像间差异太大时，很难实现准确的图像匹配。基于块的插补算法[8,9]，直接限制目标图像和源图像之间的局部相似性，同时能较好地保留图像结构和细节，但同样无法很好处理目标图像和源图像存在大位移的情况。

由于传统的图像插补方法依赖于准确的图像匹配，因此上述各技术均并不适用于大位移下图像插补问题。

[1]Smythe DB.A two-pass mesh warping algorithm for object transformation and image interpolation[J].Rapport technique,1990,1030:31.

[2]Wu E,Liu F.Robust image metamorphosis immune from ghost and blur[J].The Visual Computer,2013,29(4):311-321.

Lee,S.,Chwa,K.Y.,Hahn,J.,Shin,S.Y.,Wolberg,G..Image metamorphosis using snakes and free-form deformations[C]//InProceedings of SIGGRAPH 95,1995:439–448.

[3]Baker S,Scharstein D,Lewis J P,et al.A database and evaluation methodology for optical flow[J].International Journal of Computer Vision,2011,92(1):1-31.

[4]Liu C,Yuen J,Torralba A.Sift flow:Dense correspondence across scenes and its applications[J].IEEE transactions on pattern analysis and machine intelligence,2011,33(5):978-994.

[5]Lowe D G.Distinctive image features from scale-invariant keypoints[J].International journal of computer vision,2004,60(2):91-110.

[6]Lipski,C.,Linz,C.,Magnor,M.Belief propagation optical Flow for high-resolution image morphing[C]//ACM SIGGRAPH 2010Posters,ACM,2010:67.

[7]Linz,C.,Lipski,C.,Magnor,M.Multi-image interpolation based on graph-cuts and symmetric optic flow[C]//ACM SIGGRAPH 2010Posters,ACM,2010:115–122.

[8]Shechtman E,Rav-Acha A,Irani M,et al.Regenerative morphing[C]//Computer Vision and Pattern Recognition(CVPR),2010IEEE Conference on.IEEE,2010:615-622.

[9]Darabi S,Shechtman E,Barnes C,et al.Image melding:Combining inconsistent images using patch-based synthesis[J].ACM Trans.Graph.,2012,31(4):82:1-82:10.

发明内容