尺寸自适应的T-Tile三维纹理合成

以Wang Tiles纹理合成算法思想为基础,提出一种新的三维网格纹理合成算法。首先,分析给定的样本纹理,得到适当的纹理块尺寸,根据该尺寸从样本纹理中选取3个菱形纹理块,生成T-Tile初始框架;其次,从样本纹理中提取与T-Tile初始框架尺寸相同的纹理块作为替代纹理块,与初始框架完全重叠放置,制作T-Tile;最后,调整给定的三角网格模型为等边三角形网格模型,按照T-Tile边界颜色匹配的原则进行三角形面片的纹理合成。实验结果表明,该算法能够以较快的速度进行纹理合成,达到了实时纹理合成的效果,同时也可以得到较高的纹理合成质量。     

自动采集样本的图像颜色传递算法

图像的颜色传递是将一幅图像的颜色特征传递给另一幅图像,使目标图像具有与源图像相似的色彩。提出了一种自动采集样本的图像颜色传递方法,利用无监督学习聚类把目标图像和源图像分别分成一定数量的色彩相近的子块,通过计算各子块的纹理特征和亮度统计值,建立样本块之间的对应关系。从各子块中取出数据点密度较大的像素组成样本块。进而利用最佳匹配算法,查找目标样本块的像素在源图像对应样本块中的最佳匹配像素,将其颜色值传给目标像素。以目标图像中已完成颜色传递的样本块作为参考样本,使用纹理对比方式完成样本块以外其它像素的颜色传递。该自动采集样本算法既可用于彩色图像间颜色传递,也适用于灰度图像与彩色图像间颜色传递。在目标图像和源图像的各子块有明显纹理和亮度特征时,该算法可方便地用于批处理和视频中。     

基于结构的纹理合成

提出一个简单有效的基于样图的纹理合成新方法．现有纹理合成算法仅考虑两块待匹配块之间对应元素的颜色差别作为评价相似性的量度，对于一些纹理图象，找到的不一定是最相似的匹配块，因此合成后，没有得到令人满意的效果．为此，提出一个新的纹理合成算法，不仅考虑了两个匹配块之问的颜色相似性，还充分考虑了结构的差别，把结构的相似性作为匹配块之间相似性量度的重要因素之一．具体作法是：从样本图象产生一个基于结构的新的特征映射，降低结构上不连续的程度，从而获得比较理想的合成结果．     

图像的纹理标准性度量及其应用

通过分析纹理合成中子块参数对合成速度及质量的影响,发现对于一类纹理图像,不依赖于参数的选择即可快速高效地进行纹理合成。选择子块灰度平均值作为度量指标,根据纹理标准性强的图像应具有的特征,提出了一种新的计算图像纹理标准性系数的算法。结合大量计算结果,界定了一般图像、强标准性纹理以及弱标准性纹理的分类标准。并将其应用到纹理合成当中,对强标准性纹理图像的合成采用大尺度子块及零搜索的合成方法,提高了合成速度的同时保持合成质量不变。     

一种改进的图像相似度算法

图像相似度算法在图像识别、图像搜素引擎等研究领域具有重要意义。针对传统的灰度颜色直方图算法无法准确地描述各种颜色在图像中的分布情况的问题,提出了一种改进的图像相似度算法。它融合图像的纹理特征,利用灰度共生矩阵来提取图像像素在图像各个位置的特征信息。实验表明,这种融合图像纹理特征的方法不仅保留了灰度颜色直方图算法执行效率高的特点,而且弥补了颜色直方图算法的不足,进而提高了算法的准确性。在实际的应用场景中,可以通过调整两种算法的权值,来进一步提高算法的准确性。     

一种基于最大相似子阵的彩色图像检索算法

颜色是图像的重要特征之一,被广泛用于图像检索。传统的颜色直方图检索算法丢弃了色彩的空间位置信息,影响了算法的检索精度。针对这一问题,提出了一种基于最大相似子阵的彩色图像检索算法,即采用奇数方阵分割图像以捕捉颜色的空间分布特征,从而得到颜色矩阵,通过求解两个颜色矩阵的最大相似子阵实现相似度计算。研究结果表明,所提算法能够准确描述图像的颜色特征,相似度计算非常有效,相比全局直方图有较好的检索精度。     

块纹理合成中纹理块尺寸自适应算法

分析了块纹理合成方法中纹理块尺寸对合成结果的影响,经过对大量不同类型纹理图像采样,归纳并验证了纹理相关性特征值与纹理块尺寸之间的关系,得出纹理相关性特征值自适应调整纹理块尺寸的算法.采用该算法可避免因纹理块尺寸选取不当而引起的合成时间的增加和合成质量的降低.     

基于随机查找的并行大规模纹理合成

传统的纹理合成方法使用高维向量树来加速目标纹理块的搜索效率,存在占用内存量大、执行效率低、无法在GPU上并行执行等缺点.为了实现图像块的快速近似邻域查找,提出一种并行优化纹理合成方法.该方法分为初始化和迭代优化2个阶段,初始化阶段从样本纹理中随机抽取样本纹理块填充目标图像,迭代阶段交替采用并行的随机查找算法和并行的纹理块传播算法迭代精化目标纹理.随机查找算法根据最相似纹理块出现在前一目标纹理块周围的概率与它到前一目标纹理块的距离成反比的特点,使随机采样纹理块的概率分布与最相似目标纹理块出现的概率相匹配,达到加速纹理合成的目标.采用CUDA实现了文中方法,实验结果表明,其执行效率比已有的纹理合成算法快50～100倍,可应用于交互式纹理合成和超大尺寸纹理合成.     

一种基于图的颜色纹理区域分割方法

针对传统基于图论的图像分割方法在分割纹理图像或有突变边缘的图像时,分割效果不理想的问题,提出了一种新的基于图论的颜色一纹理区域分割方法,该方法采用分块的小波能量直方图与三阶颜色矩组成块特征向量生成图顶点的集合,同时根据块间距离进行加权,计算块间的相似度,作为图的边权值,再利用最小生成树的方法进行图像分割,方法有效地弥补了传统基于图论的分割方法中的两个问题.实验结果表明,该算法具有良好的分割准确性与鲁棒性.     

块尺寸自适应的Tile纹理合成算法

针对Wang Tiles纹理合成算法中样图信息利用不完全、所制作的Tile中心处有明显接缝,以及Tile拼接时拐角处不完全匹配等问题提出了一种改进的纹理合成算法。分析给定的纹理样图,得到适当的纹理块长度,按照该长度从纹理样图中提取4个菱形纹理块,生成Tile初始框架;从样图中选择与Tile初始框架尺寸相同的纹理块作为替代纹理块,与Tile初始框架重叠放置,求取最佳缝合路径,从而制作Tile;通过一系列Tile拼接生成最终的输出纹理。实验结果表明,该算法制作的Tile有很好的视觉效果,同时对各类型纹理该算法都能取得一个较好的纹理合成效果。     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

基于滤波器阵列与图割的彩色纹理分割

图割法因无法体现像素点的纹理区域特性而难以应用于纹理分割。针对该问题,提出一种基于滤波器阵列与图割的彩色纹理分割算法。利用构建的滤波器阵列提取图像的纹理特征,并加入图像的H、S、I分量值组成纹理-色彩特征向量,采用texton直方图作为彩色纹理的统计模型对纹理-色彩特征向量进行统计计算,通过直方图差计算像素点间的纹理相似度,再应用图割法中的规范割准则对彩色纹理进行分割。实验结果证明,该算法具有较高的分割准确性。     

应用谱直方图相似性的纹理图像分割研究

提出基于谱直图相似性的纹理图像分割算法,在提出的纹理分割算法中,无需选择种子点。首先通过使用一组滤波器来获取纹理图像的纹理特征,基于空域/频域的表示方法,使用谱直方图作为特征统计,然后利用x²统计特征度量谱直方图之间的相似性,得到初始分割,然后基于形态学骨架化的原理,对区域边界进行精确定位,得到最终的分割结果。实验结果验证了算法的有效性。     

纹理合成的自相关性判别法及其应用

从加快纹理相似性的判别速度出发,提出了一种纹理合成的自相关性判别法.传统的纹理合成算法随着邻域和样本的增大,计算量将成倍增加,纹理合成速度减慢的劣势逐渐体现出来.因此,算法对样本纹理建立简单的自相关性距离查找表,利用L邻域内像素的自相关性距离作为像素匹配的判别依据,以查找取代传统匹配过程中的繁琐计算,极大地加快了合成速度,可实现动态的、多精度的合成效果调控,以及避免块匹配中易出现纹理接缝的问题.经验证,该算法可在纹理合成、图像修补及纹理检索中应用,并可很好地达到实时的应用要求.     

Texture synthesis via the matching compatibility between patches

A new patch-based texture synthesis method is presented in this paper. By the method, a set of patches that can be matched with a sampled patch for growing textures effectively, called the matching compatibility between patches, is generated first for each patch, and the set is further optimized by culling the patches that may cause synthesis conflicts. In this way, similarity measurement calculation for selecting suitable patches in texture synthesis can be greatly saved, and synthesis conflicts between neighbouring patches are substantially reduced. Furthermore, retrace computation is integrated in the synthesis process to improve the texture quality. As a result, the new method can produce high quality textures as texture optimization, the best method to date for producing good textures, and run in a time complexity linear to the size of the output texture. Experimental results show that the new method can interactively generate a large texture in 1024 × 1024 pixels, which is very difficult to achieve by existing methods. Supported by the National Basic Research Program of China (Grant No. 2009CB320802), the National Natural Science Foundation of China (Grant Nos. 60773026, 60833007), the National High-Tech Research & Development Program of China (Grant Nos. 2006AA01Z306, 2008AA01Z301), and the Research Grant of University of Macau     

纹理合成中邻域窗口参数的自动提取算法

在纹理图像合成中,邻域窗口的大小是一个重要参数,直接影响着合成图的质量。文章基于平滑图像与差值图像,通过对大量纹理图像和非纹理图像的实验分析,发现了一些规律,并在此基础上提出了一种邻域窗口大小的自动提取算法。试验表明,该方法对规则纹理和随机纹理都具有较好的效果,具有很好的实用价值。     

Multiscaled Texture Synthesis Using Multisized Pixel Neighborhoods

Most recent efforts in texture synthesis have focused on using local statistics - that is, selecting and stitching the textures from an input texture sample on the basis of a local color match to enforce textural features either pixel by pixel or patch by patch. A novel texture synthesis method produces high-quality results by introducing a multiscaled texture similarity measurement. Compared with other multiscaled methods, this approach focuses on measuring texture properties at different scales ranging from local to global using an adaptive similarity metric that accounts for texture variations across different image regions