针对约束纹理映射中三角网格极易发生形变的问题,本文提出一种基于均值坐标(Mean value coordinates)嵌入的约束纹理映射.使用基于局部/整体思想的ARAP(As-Rigid-As-Possible)算法参数化三维人脸网格,实验数据表明,参数化后的三维人脸网格三角形角度变形和面积变形均为最小.在网格嵌入中,采用均值坐标(Mean value coordinates)嵌入,得到的模型更加平滑.本文对多幅人脸图像进行纹理映射,结果表明该方法能够取得良好的实验效果.
目的针对基于学习的图像超分辨率重建算法中存在边缘信息丢失、易产生视觉伪影等问题,提出一种基于边缘增强的深层网络模型用于图像的超分辨率重建。方法本文算法首先利用预处理网络提取输入低分辨率图像的低级特征,然后将其分别输入到两路网络,其中一路网络通过卷积层级联的卷积网络得到高级特征,另一路网络通过卷积网络和与卷积网络成镜像结构的反卷积网络的级联实现图像边缘的重建。最后,利用支路连接将两路网络的结果进行融合,并将其结果通过一个卷积层从而得到最终重建的具有边缘增强效果的高分辨率图像。结果以峰值信噪比(PSNR)和结构相似度(SSIM)作为评价指标来评价算法性能,在Set5、Set14和B100等常用测试集上放大3倍情况下进行实验,并且PSNR/SSIM指标分别取得了33.24 d B/0.9156、30.60 d B/0.852 1和28.45d B/0.787 3的结果,相比其他方法有很大提升。结论定量与定性的实验结果表明,基于边缘增强的深层网络的图像超分辨重建算法所重建的高分辨率图像不仅在重建图像边缘信息方面有较好的改善,同时也在客观评价和主观视觉上都有很大提高。
