基于非线性卷积的可控图像类推和自类推技术  

Non-linear Convolution Based Controllable Image Analogies and Self Analogies

作　　者：古元亭[1] 吴恩华[1,2] 

机构地区：[1]中国科学院软件研究所计算机科学国家重点实验室,北京100080 [2]澳门大学科学技术学院电脑与资讯科学系,中国澳门

出　　处：《计算机辅助设计与图形学学报》2008年第3期332-336,共5页Journal of Computer-Aided Design & Computer Graphics

基　　金：国家“九七三”重点基础研究发展规划项目(2002CB312102);国家自然科学基金(60473105).

摘　　要：提出一种新的图像类推技术,定义"风格"为作用于内容上的非线性卷积过程.通过估计卷积核实现风格学习,通过执行卷积实现风格的传递.该定义能够极大地加快类推速度,提高风格学习与样本数据的独立性,增强图像类推的稳定性与适用性.同时还提出了对图像进行迭代式风格化作用的连续类推思想,以及通过自身构建训练集的自类推思想.连续类推可以生成不同强度的风格化序列,进而实现图像类推控制;图像自类推则可以应用于超分辨等与尺度相关的问题.This paper presents a novel method of image analogies, to promote the learning from image style. By a definition of style as a non-linear convolution, the style of the image may be studied by kernel estimation, and style transfer could be conducted by executing the learned convolution. Furthermore, we may repeatedly apply a stylization process on an image to generate an analogized image series, in help to realize controllable image analogies. In addition, we can also extend this idea to self analogies, applied to enhance the sharpness of images.

关 键 词：风格化学习 图像类推 可控类推 非线性卷积 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]