基于深度学习利用视频序列的图像栅栏分割与去除
计算机视觉与模式识别
2016-10-24 v2
摘要
传统的图像去栅栏方法使用多个相邻帧对参考图像中的栅栏进行分割，且仅限于恢复静态场景的图像。在本文中，我们提出了一种针对动态场景图像的去栅栏算法，该方法使用遮挡感知光流法。我们将图像去栅栏问题分解为以下任务：从单幅图像中自动分割栅栏、已知遮挡下的运动估计，以及从捕获的场景视频多帧中融合数据。具体而言，我们使用预训练的卷积神经网络从单幅图像中分割栅栏像素。利用栅栏的空间位置信息，随后在视频的遮挡帧中估计光流，以用于最终的数据融合步骤。通过建立退化观测形成模型，我们将栅栏去除问题转化为一个优化框架。该逆问题使用快速迭代收缩阈值算法（FISTA）求解。实验结果表明了所提算法的有效性。
引用
@article{arxiv.1609.07727,
title = {Deep learning based fence segmentation and removal from an image using a video sequence},
author = {Sankaraganesh Jonna and Krishna K. Nakka and Rajiv R. Sahay},
journal= {arXiv preprint arXiv:1609.07727},
year = {2016}
}