图像缝合技术中的色调映射技巧

图像拼接技术就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅大型的无缝高分辨率图像的技术。 而在图像缝合技术中，也存在着色调映射技巧。今天小编介绍的这个科研课题就是图像缝合技术中的色调映射技巧的科研课题。课题题目是西北大学博士科研课题：图像缝合技术中的色调映射技巧。

课题简介

图像缝合技术中的色调映射技巧

Tone mapping techniques in image stitching

现实中，单个照相机或图像传感器往往具有不同的特点和局限性。类似的指标包括分辨率，视场，曝光时间等。例如，对同一个场景，照相机的放大倍数越高，视场范围则越小。在这一现实下，想要同时实现如前所述的功能，则需要把具有不同特点的多种信息通过某种方式有机的融合在一起。这其中，便包括图像缝合技术。

图像缝合是指将两个或两个以上具有一定关联性的图片通过一定的变换缝合成一张包含完整信息的图片。这项技术的应用很广泛，比如自动人脸识别，表情识别以及人脸动画自动合成等。由于不同的姿态、表情、光照以及遮挡等因素的影响，准确地定位出各个关键特征点看似很困难。我们简单地分析一下这个问题，不难发现这个任务其实可以拆分出三个子问题：

如何对物体表观图像（输入）建模

如何对物体形状（输出）建模

如何建立人脸表观图像（模型）与人脸形状（模型）的关联

该项技术的实现，使得大视场高分辨率的摄影方式成为可能。但是不同照相机之间具有不同的参数和指标，尤其是白平衡及色域，如何将不同拍摄条件下获取的图片信号更好的缝合是一项有挑战意义的任务。本课题致力于运用多种色域映射技巧来实现图像缝合。

科研流程

课程模块一：预备课程

在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。

课程模块二：科研辅导

来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：

微积分、线性代数和概率统计入门；

学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；

学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析

学习回归分析(regression)，对金融数据进行社交媒体效应的评估

学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；

课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。

指导速度可能因实际教学情况而异

课程模块三：论文写作&发表

在科研辅导结束后

项目导师将辅导学生完成论文写作

协助学生完成论文在英文学术期刊上正式发表。

整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。

授课导师

西北大学 博士

西北大学（Northwestern University）：是一所世界顶级的私立研究型大学，十大联盟（Big Ten Conference）成员校，是美国录取难度最大的大学之一。西北大学以严格的招生录取出名，尤其在每年的全额奖学金博士研究生录取中，录取中国留学生的比例极低。

专业GPA接近满分。目前正在进行Computervision and graphics、On-chip holographic imaging、4D imaging等课题的研究。

曾在Biomedical Optics Express、OpticsExpress、Coloration Technology等期刊上发表重要学术论文。

研究方向：Computer Vision

课题要求

本课题适合： 9-12 年级学生

有一定的英语阅读和写作能力

有较强的逻辑思维和抽象思维能力

专业领域的零基础学生，我们会提供相关的学术知识培训。

报名/咨询课题详情

请识别下方二维码