南京林业大学轻工与食品学院，江苏 南京 210037
针对缺陷国画类数字图像的修复问题，提出一种基于自体理论分割体系的改进BSCB模型。首先利用基于分通道自体理论的分割模型对待修复区域与背景区域进行精确分离；之后对于分离所得的待修复区域，使用Reinhard色彩迁移算法对其进行指定色彩标记，以便于计算机的自动识别；最后针对传统BSCB算法，由于拉普拉斯光滑算子综合考虑所有邻点进行同性扩散后容易导致图像模糊、产生等照线交叉等问题，采用基于平滑和梯度近似（ASG）算子的改进BSCB模型对标记区域进行修复，实现破损、色彩失真、细节丢失等缺陷类国画图像的修复。研究结果表明，相比于传统修复算法，所提改进算法对不同缺陷类型国画图像均有更好的修复效果，具有实际应用价值。
图像处理 图像修复 图像分割 Reinhard色彩迁移 改进BSCB模型 激光与光电子学进展
2022, 59(10): 1010002
1 南京理工大学 电子工程与光电技术学院，江苏 南京 210094
2 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
3 重庆嘉陵华光光电科技有限公司，重庆 400700
4 北京环境卫星工程研究所，北京 100094
5 苏州大学 光电科学与工程学院，江苏 苏州 215006
6 苏州市立医院 普外科，江苏 苏州 215002
7 苏州市立医院 生殖与遗传中心，江苏 苏州 215002
8 浙江大学 光电科学与工程学院，浙江 杭州 310027
传统病理学检测中，由于复杂的染色流程和单一的观察形式等限制着病情的诊断速度，而染色过程实质上是将颜色信息与形态特征关联，效果等同于现代数字技术的生物医学图像的图义分割，这使得研究者们可以通过计算后处理的方式，大大降低生物医学成像处理样品的步骤，实现与传统医学染色金标准一致的成像效果。近些年人工智能深度学习领域的发展促成了计算机辅助分析领域与临床医疗的有效结合，人工智能色彩迁移技术在生物医学成像分析上也逐渐表现出较高的发展潜力。文中回顾了深度学习色彩迁移的技术原理，列举此类技术在生物医学成像领域中的部分应用，并展望了人工智能色彩迁移在生物医学成像领域的研究现状和可能的发展趋势。
深度学习 人工智能 色彩迁移 生物医学成像 deep learning artificial intelligence color transfer biomedical imaging 红外与激光工程
2022, 51(2): 20210891
北京交通大学计算机与信息计算学院, 北京 100044
高精度解码是DeBruijn彩色结构光三维测量技术的关键问题。针对光照和物体表面纹理等因素导致解码精度不高的问题,提出一种基于色彩迁移技术的DeBruijn彩色结构光解码算法。首先,以结构光编码图像的颜色分布为先验知识,利用色彩迁移的方式对相机捕获的结构光投影图像进行增强和去光照处理,还原结构光投影图像条纹的颜色信息;然后,基于提出的两步精确定位的彩色结构光投影图像条纹中心点亚像素提取算法,准确提取条纹的中心坐标;最后,基于动态规划算法完成特征点匹配。实验结果表明,在光照和被测物体表面纹理导致结构光投影图像质量下降的情况下,提出的解码算法依然能够有效提高解码精度,具有较强的稳健性。
图像处理 色彩迁移 结构光解码 条纹中心点提取 DeBruijn序列 激光与光电子学进展
2018, 55(1): 011013
