高真实感可视媒体的智能编辑与合成
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-21页 |
| 1.1 可视媒体编辑合成概述 | 第9-14页 |
| 1.1.1 可视媒体的基本表达方式 | 第9-10页 |
| 1.1.2 可视媒体编辑合成的主要原则 | 第10-11页 |
| 1.1.3 可视媒体编辑合成的主要研究方向 | 第11-14页 |
| 1.2 高真实感可视媒体的智能编辑合成及相关问题 | 第14-18页 |
| 1.2.1 高真实感 | 第15-16页 |
| 1.2.2 高智能度 | 第16-18页 |
| 1.3 本文的研究工作和组织结构 | 第18-21页 |
| 第2章 编辑传播算法中走样瑕疵的自动恢复 | 第21-38页 |
| 2.1 研究背景与意义 | 第21-23页 |
| 2.2 相关工作 | 第23-24页 |
| 2.2.1 图像/视频编辑 | 第23-24页 |
| 2.2.2 反走样恢复 | 第24页 |
| 2.3 反走样图 | 第24-29页 |
| 2.3.1 反走样恢复的基本概念 | 第25-26页 |
| 2.3.2 反走样图的计算 | 第26-29页 |
| 2.4 编辑传播框架 | 第29-33页 |
| 2.4.1 基于优化的编辑传播 | 第30-32页 |
| 2.4.2 基于插值的编辑传播 | 第32-33页 |
| 2.5 算法对比与算法结果 | 第33-35页 |
| 2.5.1 算法对比 | 第33-34页 |
| 2.5.2 算法结果 | 第34-35页 |
| 2.6 本章小结 | 第35-38页 |
| 第3章 基于认知心理学的变化盲视图像的自动合成 | 第38-60页 |
| 3.1 研究背景与意义 | 第38-40页 |
| 3.2 相关工作 | 第40-42页 |
| 3.2.1 变化盲视 | 第40页 |
| 3.2.2 视觉重要性 | 第40-41页 |
| 3.2.3 邻域相关性 | 第41页 |
| 3.2.4 心理学感知在图形学的应用 | 第41-42页 |
| 3.3 方法概述 | 第42-44页 |
| 3.4 变化盲视定量模型 | 第44-48页 |
| 3.4.1 修改量的定义 | 第44-45页 |
| 3.4.2 邻域相关视觉重要性算法 | 第45-48页 |
| 3.5 全自动变化盲视图像的优化合成 | 第48-49页 |
| 3.6 实验结果 | 第49-59页 |
| 3.6.1 用户实验 | 第49-50页 |
| 3.6.2 模型参数的优化计算 | 第50-51页 |
| 3.6.3 模型的准确度 | 第51-53页 |
| 3.6.4 关于邻域相关视觉重要性模型 | 第53-55页 |
| 3.6.5 算法结果 | 第55-57页 |
| 3.6.6 讨论 | 第57-59页 |
| 3.7 本章小节 | 第59-60页 |
| 第4章 基于单幅图像的投射阴影的自动检测与去除 | 第60-89页 |
| 4.1 研究背景与意义 | 第60-62页 |
| 4.2 相关工作 | 第62-64页 |
| 4.3 阴影模型的学习 | 第64-67页 |
| 4.4 算法整体框架 | 第67-68页 |
| 4.5 全阴影图的生成 | 第68-73页 |
| 4.5.1 基于图像块的片元匹配算法(GGPM) | 第68-71页 |
| 4.5.2 阴影参数的预测 | 第71-73页 |
| 4.6 投射阴影的检测 | 第73-76页 |
| 4.6.1 全局平滑和量化 | 第74页 |
| 4.6.2 投射阴影位置的检测 | 第74-75页 |
| 4.6.3 阴影边缘的优化 | 第75-76页 |
| 4.7 投射阴影的去除 | 第76-82页 |
| 4.7.1 基于片元的图像合成 | 第77-80页 |
| 4.7.2 自适应局部颜色校正 | 第80-82页 |
| 4.8 算法结果和相关讨论 | 第82-85页 |
| 4.9 本章小结 | 第85-89页 |
| 第5章 总结与展望 | 第89-93页 |
| 5.1 全文工作总结 | 第89-91页 |
| 5.2 未来工作展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 致谢 | 第102-104页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第104-105页 |
