高性能保邊影像濾波演算法應用於立體匹配與影像去霧之研究

保邊影像濾波之目的在濾波過程中有效的保留影像中的邊緣資訊，廣泛應用於移除影像中的雜訊、增強影像細節、影像去霧，和立體匹配的聚合等眾多電腦視覺和電腦繪圖應用。基於全域模型的濾波演算法通常需要採用全域優化的方式進行濾波參數的求解，複雜度較大。基於局部模型的濾波演算法雖然複雜度較小，但濾波精度受限於視窗尺寸的選擇。目前採用全圖像濾波的演算法雖減輕了這限制，但在高結構或有雜訊存在的區域易造成濾波權重衰減的異常現象。若能克服現有演算法的局限，可提升保邊影像濾波技術的適用性。本計畫的總目標為藉助基於類神經網路的深度學習技術開發高性能的保邊影像濾波演算法，並且應用於立體匹配的聚合和影像去霧。計畫分年目標為：第一年：利用深度學習技術，如自動編碼器（Autoencoder）這類無監督的類神經網路系統，提取影像的結構特徵，以獲取邊緣區域及非邊緣區域資訊。同時，將分析比較傳統保邊影像濾波演算法的數學模型特點，依據提取的結構特徵，選擇全圖像尺寸作為濾波視窗，設計具有區分邊緣特性的保邊濾波模型。通過增強非邊緣區域濾波的強度以及減弱邊緣區域濾波的強度，以獲得高精度的保邊濾波效果。例如，藉由是否靠近邊緣區域自動調整濾波的平滑參數。並將推導有效的演算法以簡化所提出的濾波模型，在保證高精度濾波的同時，降低演算的複雜度。第二年： 我們將把第一年開發的技術應用於立體匹配和除霧問題；為了提高其適用性，將借助圖形處理器（GPU）實現即時運算。我們將應用所設計的濾波演算法於初始匹配代價的濾波並充分利用全幅影像的資訊，代替聚合運算，以提升立體視差圖的精度。此外，將應用所設計的濾波演算法的高精度與低演算複雜度特性，應用於影像去霧，以期獲得高精度的即時影像去霧效果。

系統編號:PB10708-1942
原計畫編號:MOST107-2221-E182-078