基于自適應(yīng)流形濾波的邊緣感知編輯

周冠霖,胡 偉,張 帆,袁國(guó)棟

(1.北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院,北京100029;2.清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系,北京100084)

基于自適應(yīng)流形濾波的邊緣感知編輯

周冠霖1,胡 偉1,張 帆1,袁國(guó)棟2

(1.北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院,北京100029;2.清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系,北京100084)

邊緣感知編輯是圖像和視頻編輯中運(yùn)用非常廣泛的編輯方法。全局優(yōu)化計(jì)算是處理此類(lèi)問(wèn)題的最常用手段,但是在處理高分辨率圖像視頻時(shí)存在諸多性能問(wèn)題。為此,提出一種采用自適應(yīng)流形濾波的方法,用于處理多種邊緣感知編輯。借助自適應(yīng)流形濾波具有局部邊緣感知以及全局影響擴(kuò)散的特性,實(shí)現(xiàn)多種邊緣感知編輯的處理效果,同時(shí)避免傳統(tǒng)的全局優(yōu)化方法所產(chǎn)生的時(shí)間損耗和較高的計(jì)算復(fù)雜度,得到較好的視覺(jué)效果。實(shí)驗(yàn)結(jié)果表明,該方法具有較好的邊緣保持性和全局性,并能夠?qū)崟r(shí)處理高分辨率的視頻圖像。

編輯傳播;上色;分割;摳圖;自適應(yīng)流形濾波;邊緣保持濾波器

1 概述

邊緣感知圖像編輯已經(jīng)在計(jì)算機(jī)圖形和視覺(jué)領(lǐng)域被廣泛地研究,這一類(lèi)圖像編輯的應(yīng)用主要是將稀疏的筆畫(huà)按照需要擴(kuò)散到整個(gè)圖像中。例如,圖像上色、編輯傳播、材質(zhì)編輯、摳圖和分割等。這些應(yīng)用在人們?nèi)粘５膱D像處理工作中發(fā)揮了重要作用。

邊緣感知圖像編輯一般采用能量?jī)?yōu)化的方法,例如:文獻(xiàn)[1]認(rèn)為在空間-時(shí)間域中具有相似強(qiáng)度的相鄰像素也具有相似的顏色。在這個(gè)前提下,他們使用求解優(yōu)化問(wèn)題的方法來(lái)實(shí)現(xiàn)上色。文獻(xiàn)[2]使用邊緣保持的能量最小化方法來(lái)實(shí)現(xiàn)局部地改變圖像的色調(diào)和其他視覺(jué)參數(shù)。文獻(xiàn)[3]使用了能量?jī)?yōu)化的方法來(lái)實(shí)現(xiàn)編輯傳播和材質(zhì)編輯。類(lèi)似于這些基于能量?jī)?yōu)化的方法都需要求解大型稀疏矩陣[4-6]。

為了能夠完善這一類(lèi)應(yīng)用的效果,一些技術(shù)中應(yīng)用到了近似的策略,例如:文獻(xiàn)[7-8]將空間聚類(lèi)算法應(yīng)用于編輯傳播,文獻(xiàn)[9]采用了重復(fù)制定算法。

另一種常用的方法是各向異性擴(kuò)散技術(shù),如文獻(xiàn)[10]使用這種技術(shù)實(shí)現(xiàn)了彩色圖像分割,文獻(xiàn)[11]提出了擴(kuò)散性更好的四步算法用于各項(xiàng)異性擴(kuò)散。

除了上述辦法,基于邊緣保持的濾波技術(shù)也可以取得較理想的效果。早期的邊緣保持濾波器包括:雙邊濾波器[12]以及相關(guān)的加速改進(jìn)技術(shù)[13-15],非局部均值算法[16],引導(dǎo)圖像濾波[17]等。在最近的研究中,文獻(xiàn)[18]提出了將域變換應(yīng)用于減少輸入圖像維度的邊緣感知圖像處理技術(shù),其中包括迭代濾波器。這一濾波器的邊緣保持性和無(wú)限沖擊響應(yīng)可以解決圖像的編輯傳播[19]。

本文將自適應(yīng)流形的濾波器應(yīng)用于這一類(lèi)圖像處理任務(wù)。該濾波器是在迭代濾波器的基礎(chǔ)上提出的實(shí)時(shí)高維的濾波器[20],表現(xiàn)出較好的全局?jǐn)U散和強(qiáng)邊緣保持的優(yōu)點(diǎn)。

2 邊緣感知編輯

邊緣感知編輯的主要任務(wù)是能夠?qū)⑼磕ǖ墓P畫(huà)擴(kuò)散到用戶需要改變的地方,這種擴(kuò)散具有全局性。為了能夠清楚地區(qū)分所選中的區(qū)域與其他區(qū)域,需要獲得每一筆的影響范圍,這就是影響圖(influence maps)。前人實(shí)現(xiàn)的邊緣感知編輯都是首先獲得預(yù)期的影響圖,然后再對(duì)所選中的區(qū)域進(jìn)行編輯。為了獲得理想的影響圖,邊緣保持技術(shù)起到關(guān)鍵的作用。通常獲得的影響圖主要是通過(guò)求解大型的線性方程組或使用各向異性擴(kuò)散技術(shù)。

另一類(lèi)邊緣感知技術(shù)是通過(guò)建立濾波內(nèi)核來(lái)進(jìn)行邊緣保持濾波,目的就是在盡可能保持圖像邊緣的情況下平滑圖像并去除夾雜在其中的噪聲和干擾,使得圖像效果達(dá)到人們預(yù)期的水平,這是圖像預(yù)處理中重要的組成部分。在用于邊緣感知的圖像處理時(shí),邊緣保持濾波器通過(guò)濾波來(lái)擴(kuò)散用戶事先畫(huà)在輸入圖像上的筆畫(huà),由于它可以保持輸入圖像的邊緣信息,所以可以獲得理想的影響圖。

最經(jīng)典的邊緣保持濾波器是第一部分提到的雙邊濾波器[12],它綜合考慮到圖像像素在空間上的鄰近程度和在亮度上的相似程度。然而雙邊濾波器都局限于計(jì)算相鄰的像素值,而無(wú)法處理較遠(yuǎn)距離的像素。因此,這是一種非迭代的、局部的、簡(jiǎn)單的濾波方法。在后來(lái)出現(xiàn)的引導(dǎo)圖像(guided image)濾波器[17]也是通過(guò)建立內(nèi)核來(lái)實(shí)現(xiàn)濾波,與雙邊濾波器相比,它在保持圖像邊緣方面體現(xiàn)了較好的性能。這些經(jīng)典的邊緣保持濾波器在用于傳播信息時(shí)均體現(xiàn)出了局部性,無(wú)法按照?qǐng)D像邊緣信息將人為的筆畫(huà)擴(kuò)散到整個(gè)圖像中。因此它們并不適用于進(jìn)行這類(lèi)邊緣感知的圖像處理應(yīng)用。

近年來(lái),Gastal和Oliveira提出了迭代濾波器,它是一種因果型的濾波器。它的每一次迭代的輸出取決于上一次迭代的輸入和輸出信號(hào),因此一次迭代濾波的沖擊響應(yīng)不均衡。所以通常的濾波過(guò)程需要從多個(gè)方向來(lái)實(shí)現(xiàn)。這樣迭代濾波器具有無(wú)限沖擊響應(yīng),可以將濾波的效果擴(kuò)散到整個(gè)輸入圖像中,并且可以保持原圖像中的較強(qiáng)邊緣細(xì)節(jié)。Hu使用邊緣感知的迭代濾波器(RF)獲得了理想的影響圖,并實(shí)現(xiàn)了以傳播編輯為主的一類(lèi)邊緣感知的圖像處理的應(yīng)用。但是迭代濾波器是以水平(或者垂直)方向來(lái)擴(kuò)散濾波效果,在遇到具有大面積不連續(xù)且復(fù)雜邊緣的圖像時(shí),它的傳播效果會(huì)有一些局限性。

本文使用自適應(yīng)流形濾波器實(shí)現(xiàn)上述應(yīng)用。簡(jiǎn)要介紹自適應(yīng)流形濾波算法,并進(jìn)一步描述采用自適應(yīng)流形濾波進(jìn)行邊緣感知編輯的基本思想。

2.1 自適應(yīng)流形濾波算法

自適應(yīng)流形濾波需要從流形樹(shù)的根節(jié)點(diǎn)開(kāi)始,每計(jì)算出一個(gè)流形,就在這個(gè)流形上濾波,直至KD樹(shù)上的最后一個(gè)節(jié)點(diǎn)。最后的得到的結(jié)果是每一次濾波結(jié)果的加權(quán)求和。

濾波主要分三部分進(jìn)行:投射(Splatting),平滑(Blurring)和聚合(Slicing)。

投射的主要任務(wù)是將圖像中的像素值投射到當(dāng)前流形上,投射方程可表示為:

其中,ΣR是一個(gè)dR×dR的對(duì)角協(xié)方差矩陣。

濾波使用遞歸型濾波器(RF),這一過(guò)程可表示為:

其中,σs和σr是在像素空間上和像素值上濾波的參數(shù)。這2個(gè)參數(shù)越大,流形越平緩,即與待濾波信號(hào)相似性越低。因此需要更多的流形來(lái)保證濾波的效果,由此算法復(fù)雜度增加。在第3節(jié)的應(yīng)用中將介紹這2個(gè)參數(shù)的取值。

聚合是一個(gè)加權(quán)求和的過(guò)程,聚合的表達(dá)式為:

其中,K為濾波中將要使用到的自適應(yīng)流形的總個(gè)數(shù),wki為流形k所對(duì)應(yīng)的權(quán)值。

綜上所述,自適應(yīng)流形濾波算法是一個(gè)遞歸的過(guò)程,遞歸的次數(shù)取決于停止標(biāo)準(zhǔn)(Stopping Criteria)[20]。

2.2 算法思想

相比與之前的邊緣感知濾波器,自適應(yīng)流形濾波器的濾波效果不但具有全局性,而且對(duì)于強(qiáng)邊緣的保持效果也很好。首先,自適應(yīng)流形濾波器采用以每個(gè)自適應(yīng)流形為標(biāo)準(zhǔn),對(duì)輸入圖像進(jìn)行迭代濾波,并將所有的濾波結(jié)果加權(quán)求和,由于迭代濾波器可以產(chǎn)生無(wú)限沖擊響應(yīng),這樣得到的傳播效果繼承了迭代濾波器的這一優(yōu)點(diǎn),因此可以在整個(gè)圖像的范圍內(nèi)獲得良好的影響圖。其次,自適應(yīng)流形濾波器所生成的各個(gè)流形在高維空間中始終與輸入的基準(zhǔn)信號(hào)相適應(yīng),這使得流形可以很好地代表輸入的基準(zhǔn)信號(hào),為相似顏色值的像素間交換信息定義了標(biāo)準(zhǔn)。以這樣的具有自適應(yīng)性的流形為標(biāo)準(zhǔn)來(lái)濾波,非常適用于傳播需要的信息并保持清晰的邊緣。再者,在上一部分的介紹中,可知自適應(yīng)流形濾波器的濾波過(guò)程是一邊建立流形樹(shù),一邊進(jìn)行濾波,即計(jì)算一個(gè)流形,便在該流形上對(duì)輸入信號(hào)進(jìn)行濾波,然后持續(xù)遞歸直至完成了在所有流形上的濾波。這比起迭代濾波器在水平(或垂直)方向上濾波,它具有更加多維的濾波方向,由此產(chǎn)生的效果可以在更為復(fù)雜的邊緣處實(shí)現(xiàn)擴(kuò)散,克服了迭代濾波器處理不連續(xù)的復(fù)雜邊緣時(shí)體現(xiàn)的缺點(diǎn)。綜上所述,自適應(yīng)流形濾波在邊緣保持方面的優(yōu)越性可以獲得理想的影響圖,并實(shí)現(xiàn)邊緣感知編輯的各種應(yīng)用。

3 自適應(yīng)流形濾波的應(yīng)用

本節(jié)將介紹自適應(yīng)流形濾波在包括上色、編輯傳播、圖像分割以及摳圖中的具體實(shí)現(xiàn)思路。

3.1 上色

本文中利用自適應(yīng)流形濾波的方法實(shí)現(xiàn)了對(duì)灰度圖像的上色,其主要思想是對(duì)人為描繪的各種顏色的筆畫(huà)按照?qǐng)D像的邊緣進(jìn)行擴(kuò)散。此處將人為描繪的筆畫(huà)記做S,N定義為被筆畫(huà)覆蓋的像素為1,否則為0。每個(gè)像素所獲得的顏色值定義為C(p):

圖1所示為本文與Levin等的上色效果的比較。2種方法的輸入圖像均為第1幅圖(分辨率為320× 265),其中,第4幅圖的最大值為0.102 5。σs=7.5,σr=0.02。從中可以看出本文的上色方法可以獲得與Levin方法同樣好的效果。

圖1 圖像上色的效果比較

圖2所示為本文與迭代濾波的上色效果比較。圖2(a)中,σs=20,σr=0.03;圖2(b)中,σs=100, σr=0.03。由此可見(jiàn),在圖像邊緣不連續(xù)且復(fù)雜的情況下,自適應(yīng)流形濾波可以處理比較復(fù)雜的邊緣,更適用于圖像上色。

圖2 2種濾波用于上色的效果比較

在這個(gè)應(yīng)用中,為了在像素的空間位置和顏色值上都獲得良好的擴(kuò)散效果,參數(shù)取值范圍為σs=5～20,σr=0.01～0.1。

因此,自適應(yīng)流形濾波的全局?jǐn)U散性以及邊緣保持性適用于圖像上色這一應(yīng)用,并且由它得到的結(jié)果和優(yōu)化方法得到的結(jié)果具有同樣的效果。自適應(yīng)流形濾波用于上色無(wú)需求解大型稀疏矩陣,具有更高的效率。

3.2 編輯傳播

借助文獻(xiàn)[19]提供的思路,自適應(yīng)流形濾波器同樣可用于圖像的編輯傳播。在這一應(yīng)用中,用戶只需在原圖像中用筆畫(huà)將需要編輯的地方進(jìn)行選中,并制定需要改變的參數(shù)(如色調(diào)、飽和度、亮度),就可以得到預(yù)期的處理效果。

在生成影響圖(Influence Maps)的過(guò)程中,需要多次使用自適應(yīng)流形濾波器。對(duì)于每一次濾波,采用不同的濾波參數(shù)。首先,生成的初始響應(yīng)圖IIM (Initial Influence Map),參數(shù) σs=100～150,σr=0.03～0.3,本文設(shè)置σs=100,σr=0.03。這里只需獲得初始擴(kuò)散效果,一定范圍內(nèi)的參數(shù)選取對(duì)最終影響圖的效果影響不大。然后生成的顏色刷影響圖BIM(Brush Influence Map),以及筆畫(huà)顏色影響圖SCM(Strokes Color Map),均設(shè)置參數(shù)σs=20,σr=0.03,這里的擴(kuò)散在空間域和顏色值域的要求與上色應(yīng)用中的一致,因此參數(shù)選取范圍與上一節(jié)一致。

圖3所示為筆畫(huà)的影響圖以及最后的效果圖。在圖4中給出了本文的方法與文獻(xiàn)[21]方法效果的對(duì)比,視覺(jué)上兩者的結(jié)果基本無(wú)差異,差異圖從上至下的最大值依次為0.136 5,0.176 5,0.230 6。從中可以看出本文方法的效果與文獻(xiàn)[21]方法效果基本一致。因此,自適應(yīng)流形濾波可以生成理想的編輯效果。

圖3 筆畫(huà)影響圖及其效果圖

圖4 本文方法與文獻(xiàn)[21]方法對(duì)比圖

3.3 分割

這部分展示了自適應(yīng)流形濾波應(yīng)用于圖像分割的效果。為了得到理想的效果,此應(yīng)用中需要改變HSV直方圖和閾值的大小,并且當(dāng)各個(gè)像素點(diǎn)處的影響圖的值大于或者等于0.5,則該像素點(diǎn)歸為前景,反之則為背景。從圖5的結(jié)果可以看出,本文方法可以得到理想的視覺(jué)效果。

圖5 本文方法與文獻(xiàn)[22]方法對(duì)比圖

3.4 摳圖

摳圖的過(guò)程同樣是為了獲得理想的影響圖,在實(shí)現(xiàn)這一應(yīng)用時(shí),為了在邊緣處獲得良好的效果,在獲得改良的顏色響應(yīng)圖(Refined Color Response Map, RCRM)之后采用了引導(dǎo)圖像濾波器(其中r=20,ε=10-6)對(duì)邊緣處進(jìn)行優(yōu)化,由圖6可以看出,當(dāng)圖像邊緣不太復(fù)雜時(shí),本文方法可以獲得較好的效果。

圖6 本文方法與Ground Truth的結(jié)果對(duì)比圖

4 性能分析

測(cè)試數(shù)據(jù)在操作系統(tǒng)為Windows 7旗艦版、CPU為Intel I7處理器、系統(tǒng)內(nèi)存6 GB、顯卡為Nvidia GTX 465的普通PC上獲得。

已知自適應(yīng)流形濾波的所需時(shí)間為O(dNK),其中,d為濾波器運(yùn)行空間的維度,N為像素的總個(gè)數(shù),K為濾波器所需流形的個(gè)數(shù)。對(duì)于上色的算法,本文在每一個(gè)維度上進(jìn)行濾波,每次濾波時(shí)的d取值為1,即所需時(shí)間為O(NK)。圖7比較了用Matlab 7.1實(shí)現(xiàn)的Levin的方法和本文方法所用的時(shí)間。圖中的—○線表示Levin的方法(生成的圖像為圖1(c)),圖中的虛線部分表示,當(dāng)灰度圖像分辨率較高時(shí),Levin的方法已經(jīng)無(wú)法計(jì)算出結(jié)果;—?線表示本文方法計(jì)算結(jié)果所需的時(shí)間(生成的圖像為圖1(b))。由圖7可知,當(dāng)輸入圖像的分辨率相同時(shí),本文方法的計(jì)算速度是Levin方法的4倍以上,這大大提高了運(yùn)算效率。此外,鑒于自適應(yīng)流形濾波非常適合使用GPU進(jìn)行加速計(jì)算,本文使用CUDA 4.1實(shí)現(xiàn)了算法。

圖7 2種上色方法的著色時(shí)間比較

在編輯傳播等應(yīng)用中,需要多次用到自適應(yīng)流形濾波。以兩筆為例,計(jì)算過(guò)程中分為3個(gè)階段,表1給出了圖3以及圖4編輯計(jì)算所需的時(shí)間(圖像分辨率均為720×576),包括3個(gè)階段:計(jì)算初始響應(yīng)圖(Initial Response Map,IRM),RCRM以及最后合成處理。

表1 編輯傳播3個(gè)階段所需時(shí)間

在本文實(shí)現(xiàn)中,90%以上的時(shí)間用于完成自適應(yīng)流形濾波。由文獻(xiàn)[20]可知,基于GPU實(shí)現(xiàn)的自適應(yīng)流形濾波器能夠在1 ms～4 ms內(nèi)處理1 M像素的圖像(GTX 280 GPU),性能比本文的實(shí)現(xiàn)更高。因此,如果進(jìn)一步優(yōu)化CUDA程序,將能夠?qū)崟r(shí)處理1 080 p的圖像和視頻編輯。

5 結(jié)束語(yǔ)

本文提出采用自適應(yīng)流形濾波的方法來(lái)實(shí)現(xiàn)關(guān)于邊緣敏感的圖像處理。這種濾波器具有較好的邊緣保持效果和全局性,可以有效地?cái)U(kuò)散用戶所預(yù)期的編輯結(jié)果,在灰度圖像上色、圖像編輯傳播以及分割的應(yīng)用上取得了較好的效果。用戶無(wú)需求解大量的優(yōu)化方程,只需對(duì)所要編輯的區(qū)域用筆畫(huà)進(jìn)行選定,就可以得到理想結(jié)果。這比起以往的能量最小化方法,大大減少了用戶操作的難度。但是通過(guò)分析比較可知,自適應(yīng)流形濾波更適合應(yīng)用于邊緣感知的圖像和視頻編輯。然而目前的算法仍然存在局限性,例如分割應(yīng)用中,筆畫(huà)影響圖在圖像細(xì)節(jié)處不夠理想,需要采用引導(dǎo)圖像濾波器來(lái)提高其視覺(jué)效果,因此有待進(jìn)一步研究和改進(jìn)。

[1] Levin A,Lischinski D,Weiss Y.Colorization Using Optimization[J].ACM Transactions on Graphics,2004, 23(3):689-694.

[2] Lischinski D,Farbman Z,Uyttendaele M,etal. Interactive Local Adjustment of Tonal Values[J].ACM Transactions on Graphics,2006,25(3):646-653.

[3] Pellacini F,Lawrence J.Appward:Editing Measured Materials Using Appearance-driven Optimization[J]. ACM Transactions on Graphics,2007,26(3).

[4] Farbman Z,Fattal R,Lischinski D,et al.Edit-preserving Decompositions for Multi-scale Tone and Detail Manipulation[J].ACM Transactions on Graphics,2008,27(3).

[5] Farbman Z,Fattal R,Lischinski D.Diffusion Maps for Edge-aware Image Editing[J].ACM Transactions on Graphics,2010,29(6).

[6] Levin A,Lischinski D,Weiss Y.A Closed-form Solution to Natural Image Matting[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2008,30(2): 228-242.

[7] Xu K,Li Y,Ju T,et al.Efficient Affinity-based Edit Propagation Using K-D Tree[J].ACM Transactions on Graphics,2009,28(5).

[8] Xiao Chunxia,Nie Yongwei,Tang Feng.Efficient Edit Propagation Using Hierarchical Data Structure[J].IEEE Transactions on Visualization and Computer Graphics, 2011,17(8):1135-1147.

[9] Li Yong,Ju Tao,Hu S M.Instant Propagation of Sparse Edits on Images and Videos[J].Computer Graphics Forum,2010,29(7):2049-2054.

[10] 黃 敦,游志勝.對(duì)彩色和亮度通道進(jìn)行各向異性擴(kuò)散的彩色圖像分割[J].計(jì)算機(jī)工程,2002,28(6): 166-169.

[11] 喬 剛.基于各向異性擴(kuò)散的圖像處理技術(shù)及其應(yīng)用[D].成都:電子科技大學(xué),2012.

[12] Tomasi C,Manduchi R.Bilateral Filtering for Gray and Color Images[C]//Proceedings of the 6th International Conference on Computer Vision.[S.l.]:IEEE Press, 1998:839-846.

[13] Eisemann E,Durand F.Flash Photography Enhancement via Intrinsic Relighting[J].ACM Transactions on Graphics,2004,23(3).

[14] Petschnigg G,Szeliski R,Agrawala M,et al.Digital Photography with Flash and No-flash Image Pairs[J]. ACM Transactions on Graphics,2004,23(3).

[15] Weber M,Milch M,Myszkowski K,et al.Spatio-temporal Photon Density Estimation Using Bilateral Filtering[C]// Proceedings of International Conference on Computer Graphics.[S.l.]:IEEE Press,2004:120-127.

[16] Buades A,Coll B,Morel J.A Non-local Algorithm for Image Denoising[C]//Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE Press,2005:60-65.

[17] He Kaiming,Sun Jian,Tang Xiaoou.Guided Image Filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(6):1397-1409.

[18] Gastal E S L,Oliveira M M.Domain Transform for Edge-aware Image and Video Processing[J].ACM Transactions on Graphics,2011,30(4).

[19] Wei Hu,Zhao Dong,Yuan Guodong.Edit Propagation via Edge-aware Filtering[J].Journal of Computer Science and Technology,2012,27(4):830-840.

[20] Gastal E S L,Oliveira M M.Adaptive Manifolds for Real-time High-dimensional Filtering[J].ACM Transactions on Graphics,2012,31(4).

[21] An Xiaobo,Pellacini F.Appprop:All-pairs Appearancespace Edit Propagation[J].ACM Transactions on Graphics,2008,27(3).

[22] Rother C,Kolmogorov V,Blake A.Grabcut——Interactive Foreground Extraction Using Iterated Graph Cuts[J].ACM Transactions on Graphics,2004,23(3).

編輯 顧逸斐

Edge-aware Editing Based on Adaptive Manifolds Filtering

ZHOU Guanlin1,HU Wei1,ZHANG Fan1,YUAN Guodong2
(1.School of Information Science and Technology,Beijing University of Chemical Technology,Beijing 100029,China; 2.Department of Computer Science and Technology,Tsinghua University,Beijing 100084,China)

Edge-aware editing is the most widely used method in image and video editing.Global optimization is commonly used to solve these problems.There are still some problems in processing high resolution image and video.So this paper presents a scheme using adaptive manifolds filtering for edge-aware editing.Instead of using the traditional optimization which may bring the time-consume and the high computational complexity,it utilizes adaptive manifolds filter,which is an edge-preserve filter with the local edge-aware and global influence to propagation the edits.A good visually result can be

with better performance.Experimental results demonstrate the good edge-preserving, globalization influences of the approach.

editing propagation;colorization;segmentation;matting;adaptive manifold filtering;edge-preserving filter

1000-3428(2015)01-0231-05

A

TP391.41

10.3969/j.issn.1000-3428.2015.01.043

國(guó)家自然科學(xué)基金青年基金資助項(xiàng)目(61003132)。

周冠霖(1988-),女,碩士,主研方向:數(shù)字濾波技術(shù);胡 偉、張 帆,副教授;袁國(guó)棟,講師。

2014-03-13

2014-04-09 E-mail:zhouguan.lin@163.com

中文引用格式:周冠霖,胡 偉,張 帆,等.基于自適應(yīng)流形濾波的邊緣感知編輯[J].計(jì)算機(jī)工程,2015,41(1):231-235.

英文引用格式:Zhou Guanlin,Hu Wei,Zhang Fan,et al.Edge-aware Editing Based on Adaptive Manifolds Filtering[J]. Computer Engineering,2015,41(1):231-235.