西北大學博士科研課題

圖像縫合技術中的色調映射技巧

課題簡介

圖像縫合技術中的色調映射技巧

Tone mapping techniques in image stitching

現實中，單個照相機或圖像傳感器往往具有不同的特點和局限性。類似的指標包括分辨率，視場，曝光時間等。例如，對同一個場景，照相機的放大倍數越高，視場范圍則越小。在這一現實下，想要同時實現如前所述的功能，則需要把具有不同特點的多種信息通過某種方式有機的融合在一起。這其中，便包括圖像縫合技術。

圖像縫合是指將兩個或兩個以上具有一定關聯性的圖片通過一定的變換縫合成一張包含完整信息的圖片。這項技術的應用很廣泛，比如自動人臉識別，表情識別以及人臉動畫自動合成等。由于不同的姿態、表情、光照以及遮擋等因素的影響，準確地定位出各個關鍵特征點看似很困難。我們簡單地分析一下這個問題，不難發現這個任務其實可以拆分出三個子問題：

如何對物體表觀圖像（輸入）建模

如何對物體形狀（輸出）建模

如何建立人臉表觀圖像（模型）與人臉形狀（模型）的關聯

該項技術的實現，使得大視場高分辨率的攝影方式成為可能。但是不同照相機之間具有不同的參數和指標，尤其是白平衡及色域，如何將不同拍攝條件下獲取的圖片信號更好的縫合是一項有挑戰意義的任務。本課題致力于運用多種色域映射技巧來實現圖像縫合。

科研流程

課程模塊一：預備課程?

在教學過程正式開始前，有方學者會根據學生的具體情況提供數學、統計、英語學術論文寫作等預備課程。

課程模塊二：科研輔導?

來自美國頂尖人工智能的機器學習科研團隊將在有方學者團隊的配合下，進行8-12周的科研輔導：

微積分、線性代數和概率統計入門；

學習 Python編程語言和相關的庫numpy, pandas, scikit-learn, matplotlib；

學習探索性數據分析（Explorative data analysis），并通過統計方法和可視化對金融數據進行分析

學習回歸分析(regression)，對金融數據進行社交媒體效應的評估

學習幾種重要的自然語言處理和機器學習算法，提出初步的金融數據輿情情感分析；

課題驗收需要學生完成英文學術論文的寫作，并向科研團隊進行答辯。

指導速度可能因實際教學情況而異

課程模塊三：論文寫作&發表?

在科研輔導結束后

項目導師將輔導學生完成論文寫作

協助學生完成論文在英文學術期刊上正式發表。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學生
有一定的英語閱讀和寫作能力
有較強的邏輯思維和抽象思維能力
專業領域的零基礎學生，我們會提供相關的學術知識培訓。