2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、由于傳感器種類的多樣性及傳感器成像的局限性,不同傳感器具有不同的成像特點(diǎn),通過單個(gè)傳感器來獲取某個(gè)場(chǎng)景的內(nèi)容時(shí),所獲取的圖像往往不足以包含場(chǎng)景中的所有細(xì)節(jié)信息。為了有效的解決這個(gè)問題,對(duì)于同一個(gè)場(chǎng)景可以使用不同類型的多個(gè)傳感器去捕捉,并將捕獲的同場(chǎng)景、不同類型的圖片進(jìn)行融合,使融合圖像含場(chǎng)景中所有細(xì)節(jié)信息。目前,現(xiàn)有的融合方法大多都是針對(duì)特定的場(chǎng)景進(jìn)行融合,這樣的融合方法具有一定的局限性,比如針對(duì)多聚焦場(chǎng)景的融合方法,僅能對(duì)多聚焦圖像產(chǎn)

2、生較好的融合效果,對(duì)其它場(chǎng)景融合效果并不理想。因此,本文針對(duì)上述問題提出了一種基于KNN-Matting的融合方法,該方法既能清晰聚焦場(chǎng)景中的所有目標(biāo),又能實(shí)現(xiàn)不同圖像傳感器捕獲多模式圖像的融合。該方法以KNN-Matting算法為理論依據(jù)。本文具體工作慨括如下:
  首先,簡(jiǎn)單的闡述了摳像的原理,并對(duì)KNN-Matting算法及已有的針對(duì)多聚焦場(chǎng)景的摳像融合算法的實(shí)現(xiàn)進(jìn)行了簡(jiǎn)單的概述。
  其次,總結(jié)了多聚焦融合方法中摳像

3、算法的不足,進(jìn)而提出了一種基于KNN-Matting的圖像融合方法,該方法不僅可適用于多聚焦場(chǎng)景,還適應(yīng)于多模式等其它場(chǎng)景。該方法的主要思想是:將每一幅原始圖像中的清晰細(xì)節(jié)區(qū)域看作每一幅原始圖像的前景區(qū)域,借助于KNN-Matting摳像算法將前景區(qū)域從原始圖像中分離出來實(shí)現(xiàn)圖像融合。對(duì)比實(shí)驗(yàn)證明了該方法在主觀和客觀上對(duì)多聚焦,多模式等不同場(chǎng)景及不同模式的圖像都有較好的融合效果。
  最后,針對(duì)基于KNN-Matting的圖像融合

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論