微信网站开发怎么做合肥网站seo

一、背景介绍

        前面已经讲过泊松融合算法和它的fft快速版本实现了，想看下还有没有更快的版本，继续翻了下论文，找到了更快速的版本：Convolution Pyramids 。

        找到它的matlab代码跑了下，效果还不错。学习记录，并用c++复现了下它梯度重建部分相关代码。

二、实现流程

1、基本原理

        基本思路为：输入一张散度图像，在多尺度上用训练好的滤波器做卷积，恢复图像亮度信息到泊松重建的效果样子，因此整个流程分为训练和测试两个阶段。

        训练阶段：使用散度图作为输入，使用该散度图正常泊松重建后结果作为gt训练，得到需要的滤波器核。

        测试阶段：使用散度图和训练好的滤波器核，生成逼近泊松重建效果的结果图像。

2、测试部分

        (1). 输入:

                a、 训练的滤波器核。kernel=(-0.1820, -0.5007, -0.6373, 0.1767, 0.5589)

                b、待重建图像散度div。

 

        (2). 滤波器核拆解

 

        (3). 重建流程

                a、对div图像，使用h1进行滤波。

                b、滤波后图像下采样(采样方式需要和训练使用采样方式完全一样)，并保存残差。

                c、迭代a，b步骤，得到残差金字塔。

                d、金字塔最底层，使用g进行滤波, 并上采样。

                e、倒数第二层残差使用h2进行滤波。

                f、d 和e步骤结果叠加。

                g、循环d,e,f步骤，金字塔重建得到结果图像。

3、训练部分

        (1)、输入：1、一张输入图像。

        (2)、设置训练kerenl参数为随机数。

        (3) 、计算输入图像散度div。

        (4)、迭代训练：

                a、对滤波器核拆解。

                b、对div图像进行重建。

                e、计算重建图像和原始输入图像均值差，迭代更新滤波器。

三、效果对比

        将如下图像进行图像散度融合，得到对应散度图信息。

 

        根据散度信息和训练好的滤波器核进行图像重建，得到结果图(左边为本文算法结果，右边为fft版本泊松重建结果)：

 

        可以看到融合过度上和泊松版本基本持平，但是需要注意的是本文算法重建之后的图像整理亮度，对比原版泊松效果，会存在轻微差异。

        运行时间上：原始版本，处理一张80x40x3的图，花了42秒左右。

        fft加速版本，处理一张512x512x3的图，花了大概250ms左右。

        convpyr_small版本，处理一张512x512x3的图，花了大概40ms左右。

四、代码地址

包含了论文完整matlab版本和我这边本地复现的c++散度重建部分：

https://github.com/yulinghan/ImageQualityEnhancement/tree/master/image_fusion/convpyr_small_poisson