自动图像去围栏系统

游客和野生动物摄影师在拍摄珍贵的图像或视频时，常因限制接近感兴趣场景的围栏而受阻。公共场所日益增长的安全担忧加剧了这一情况，因此需要提供一种工具，用于对这类带围栏的视频进行后处理以生成去围栏图像。该问题存在若干挑战，我们将它们确定为：围栏/遮挡的鲁棒检测、背景场景的像素运动估计，以及利用输入视频多帧中的信息填充围栏/遮挡区域。在本工作中，我们旨在构建一种自动后处理工具，能有效去除输入视频中的围栏等遮挡伪影。我们的工作有两个主要贡献：首先是引入基于学习的技术来检测具有复杂背景的围栏图案；其次是构建目标函数，并通过循环信念传播进行最小化以填充围栏像素。我们观察到，使用支持向量机分类器的方向梯度直方图描述符网格，其检测精度显著优于晶格中的纹理单元。我们展示了使用多个真实世界视频的实验结果，以证明所提出的围栏检测和去围栏算法的有效性。