运用局部纹理映射加速曲面纹理合成

基于样图的纹理合成方法能够在网格曲面上合成高质量纹理,但合成速度有待进一步提高,对此提出一种运用局部纹理映射加速曲面纹理合成的算法.首先以三角形法向量、切向矢量与纹理尺度为约束,将三角网格曲面分割为一系列映射区与合成区;然后用基于块的平面纹理合成方法生成大面积样图,用调和映射方法对映射区进行纹理映射;最后采用基于三角块的合成方法生成合成区纹理.实验结果表明,该算法对一般的随机性纹理与半结构性纹理具有很高的合成质量,能够控制纹理方向与尺度的变化.由于大部分三角形的纹理通过局部纹理映射得到,仅需要合成少数三角形的纹理,纹理合成过程得到大幅度地加速.     

基于以像素块计算L2距离的块纹理合成

在基于MRF模型的块纹理合成中,计算两纹理块之间的L2距离和寻找最佳纹理匹配块都是非常耗时的过程。计算纹理块之间的L2距离是纹理合成中的瓶颈问题,制约着纹理合成的速度。针对合成速度问题提出一种新的基于以像素块计算两纹理块之间L2距离的块纹理合成方法。在计算两纹理块之间L2距离时不逐个像素点地进行计算,而将多个像素点视为一个像素点进行计算,极大地提高了计算两纹理块间L2距离的速度。该方法可以在几乎不影响图形合成质量的前提下,将纹理合成的速度提高数倍甚至更高。     

应用粒子群优化算法的混合纹理合成*

应用粒子群优化算法作为像素寻优策略,应用于多样图纹理合成算法中,将群智能中经典的粒子群优化算法引入到纹理合成领域。应用粒子群优化多样图纹理合成方法是传统的基于像素纹理合成方法和基于块的纹理合成方法的折中,除能大大提高多样图纹理合成的速度,样图的质量也得到了很大改善。实验证明,该算法有效解决了徐晓刚混合纹理合成中输出纹理出现的条痕问题。     

Wei-Levoy纹理合成算法的搜索带加速方法

Wei和Levoy于2001年提出的纹理合成算法是当前典型的基于样图的纹理合成算法之一，但该方法存在算法实现复杂、使某些纹理的合成质量大大降低等缺点。文章提出了一种新的通过设置搜索带减小搜索范围的方法对Wei-Levoy纹理合成算法进行加速，并取得了理想的效果。     

基于混洗蛙跳和粒子群优化算法的块自增纹理合成

针对基于样图的纹理合成技术,提出了一种基于混洗蛙跳和粒子群优化算法的块自增纹理合成方法。该方法在纹理合成过程中,通过选取尺寸按2的倍数不断增大的纹理块来提高纹理合成的速度,将混洗蛙跳算法和粒子群算法相结合,作为纹理块匹配的寻优策略,以提高纹理块的查找速度和全局搜索性能。实验结果表明,该方法在保证纹理合成质量的前提下,能够显著地提高基于样图的纹理合成速度,并能克服粒子群算法易陷入局部最优解的缺陷。     

点模型上的纹理快速生成算法

该算法摈弃了传统的将三维点模型三角面片化的繁琐过程,直接在三维点模型上进行纹理合成。该方法建立三维点模型上各离散点之间的邻域关系,在点模型上建立光顺的方向场,控制模型表面纹理合成的方向。以方向场为基础,建立三维模型与样图的映射关系,实现纹理合成。采用不同大小、不同纹理结构的样图,在点模型上进行三维纹理合成实验。实验结果表明,与传统的基于网格模型的三维纹理合成方法相比,此方法在保证纹理合成质量的同时,大大提高了合成速度。     

基于多分辨率的纹理合成加速算法

为提高样图纹理合成速度,提出一种基于多分辨率的纹理合成加速算法,通过提高纹理合成寻找最优图像块的速度,实现整体算法的加速。在不影响图像合成质量的前提下,能够有效提升纹理合成的效率。实验结果表明,将该算法用于虚拟植物可视化中,可以构造出具有较高仿真度的植物器官。     

基于样图的纹理合成技术研究

基于样图的纹理合成方法是继纹理映射、过程纹理合成方法后发展起来的一种纹理技术,用于解决传统方法中出现的缝隙、扭曲、变形和参数调整等问题。在大规模场景的生成以及真实感图形绘制和非真实感绘制、计算机动画等方面具有广泛的应用前景;同时对图像编辑、数据压缩、网络数据的快速传输也有一定的指导意义。该文首先简要回顾了纹理技术的发展历程,总结出基于样图的纹理合成技术的基本原理,从基于Markov模型、侧重逼真显示、任意曲面等几个方面,对基于样图的纹理合成技术进行了较全面的总结和分析,对该领域未来的研究和应用前景做出了有益的探讨。     

基于小波的纹理合成方法

将KL变换与小波变换相结合提出了一种新的纹理合成方法,利用KL变换克服了合成彩色图时存在的颜色失真;对样图进行二维小波分解使得最佳匹配块的搜索仅在原样图的低频部分进行,从而提高了合成速度。在搜索最佳匹配块时,使用多尺度小波变换后的小波系数的差异作为误差度量,并在比较匹配误差时增加高频系数的权重,突出了纹理结构的匹配。实验结果表明,该方法不仅得到了较好的合成质量,而且在很大程度上减少了合成时间。     

基于特征匹配的渐变纹理图像合成算法

近年来发展起来的纹理合成算法可以由小块纹理样图合成任意大小的纹理图像。合成的纹理图像虽然和样本纹理在视觉上相似且连续,但是缺少变化,因此需要有算法能使合成纹理图像产生需要的变化。文中借助输入样本图像的MIP图像和基于块的纹理合成,在边界的合成过程中加入了特征匹配以提高合成纹理图像的质量。实验结果表明,该算法可以在沿着纹理合成的方向上产生渐变的纹理图像,并通过特征匹配能够使合成的纹理图像在视觉是平滑过渡的。     

高光去除的聚类算法改进

高光去除是计算机视觉领域研究的一个热点问题.现有的基于双色反色模型分离漫反射分量和镜面反射分量去除单幅图像中的高光的方法,容易引起图像颜色失真和纹理的丢失.针对此问题,在使用像素强度比去高光的基础上改进了像素聚类算法,能够更准确的进行像素分类,改善图像颜色失真的现象.首先计算原图像与最小强度值单通道图像的差值得到无高光图像.然后根据无高光图像计算与高光区域相关的每个像素点的最大漫反射色度值和最小漫反射色度值.最后将高光区域内的像素点转换到最小最大色度空间,对高光区域内的像素点进行xmeans聚类,利用分类后漫反射像素点的强度比估计值很容易分离高光区域像素点的镜面反射分量,从而得到去高光图像.实验结果表明,与现有的方法对比,峰值信噪比值平均提升了2%至4%,图像颜色失真和纹理丢失状况得到改善,视觉效果更好.     

基于最小生成树的加权中值滤波算法

根据图像纹理分布特点,提出一种基于最小生成树的加权中值滤波算法。依据最小生成树计算像素点的相关度,对像素点进行初次分类。对初次分类中不能确定性质的像素点,采用模糊理论进行二次分类。根据像素点的分类结果,保持像素点的原有灰度值或采用不同的滤波方法进行滤波处理。仿真实验结果表明,在去除噪声和图像细节保持方面,该算法优于其他中值滤波算法。     

结构识别引导下的纹理抑制图像平滑

目的 针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法 首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式的区域,因此,通过对结构/纹理的多尺度分析,提取了对于结构/纹理具有辨别力的多尺度内变差特征;然后,借助支持向量机,对提取的特征样本点训练出一个结构/纹理分类器;就分类结果中存在的结构较粗、毛刺等问题,进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作,以获得最终的更为精细的结构识别结果;最后,提出结构引导下的自适应双边图像滤波算法,达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。结果 本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率,结构引导下的图像滤波能够在保持结构的同时,有效地抑制强梯度和尺度变化的纹理细节。结论 本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法,对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用,体现了潜在的实际应用价值。     

基于高斯混合模型的纹理图像分割

纹理图像分割是图像处理的一个基本问题。由于基于高斯混合模型的纹理图像分割方法．大多采用单像素的方法，因此分割精度和效率都较低。为了更好地进行纹理图像分割，在子空间思想的基础上，提出了一个基于图像块的分割算法及其改进算法，即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征，再利用高斯混合模型进行纹理图像分割，实验结果表明，该新算法的分割精度和分割效率较原分割算法都有较大提高。     

艺术风格学习

提出一种基于实例的非真实感图像绘制算法，该算法利用两种纹理合成的基本方法，通过参数调整控制匹配点在结构与细节间的倾向性，把输入样图中的绘画风格传输到目标图片中，实现了自动绘画功能，另外，还提出一种搜索算法，该算法可以在大地加快纹理合成速度，实验证明文中算法十分有效。     

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。     

基于几何与图像混合绘制中的快速WARP变换算法研究

基于几何与图像的混合绘制中，3D Warp算法以严格的数学变换为基础，从而能够保证准确的投影关系，但该算法在实时绘制阶段需进行大量的数学运算，故其时间复杂度较高，该文提出了一种新的快速Warp变换算法，算法以3D Warp算法为基础，采用了崭新的投影过程，从而使时间复杂度较3D Warp算法有较大幅度的下降（降低约7．51倍）。同时，该算法是一种流水结构，能够有效利用现有的加速硬件，而无需改变图形硬件的体系结构。     

一种新的二值图像标记的快速算法

文章介绍了一种新的二值图像像素快速标记方法。这种方法首先对二值图像施行一个基于扫描像素线的连通体检测过程,同时巧妙地利用线性分析表来记录连通关系,然后,根据标号的从大到小的传递过程来进行标号的归并。这种方法克服了以前方法中像素重复扫描、记录连通关系所需内存大和标号归并需大量运算等缺陷,具有实现简单,占有内存小,运算速度快等特点。实验表明,该方法能快速准确地检测出任意形状的连通体。     

Texture Synthesis From Photographs

The goal of texture synthesis is to generate an arbitrarily large high‐quality texture from a small input sample. Generally, it is assumed that the input image is given as a flat, square piece of texture, thus it has to be carefully prepared from a picture taken under ideal conditions. Instead we would like to extract the input texture from any surface from within an arbitrary photograph. This introduces several challenges: Only parts of the photograph are covered with the texture of interest, perspective and scene geometry introduce distortions, and the texture is non‐uniformly sampled during the capture process. This breaks many of the assumptions used for synthesis. In this paper we combine a simple novel user interface with a generic per‐pixel synthesis algorithm to achieve high‐quality synthesis from a photograph. Our interface lets the user locally describe the geometry supporting the textures by combining rational Bézier patches. These are particularly well suited to describe curved surfaces under projection. Further, we extend per‐pixel synthesis to account for arbitrary texture sparsity and distortion, both in the input image and in the synthesis output. Applications range from synthesizing textures directly from photographs to high‐quality texture completion.     

成对旋转不变的共生自适应完全局部三值模式

针对成对旋转不变的共生局部二值模式（PRICoLBP）旋转不变性较差及其相关改进算法EPRICoELBP对光照变化和噪声干扰较为敏感的问题,提出了一种增强成对旋转不变的共生自适应阈值完全局部三值模式。通过自适应阈值局部三值模式（ALTP）将图像分成Upper和Lower模式;分别在两种模式中找出像素点LBP特征极大、极小值对应的邻域起始编码点,利用中心像素点与其LBP特征极大、极小值对应的邻域起始编码点作为方向矢量,来确定中心像素点的上下文共生点对;利用自适应阈值完全局部三值模式（ACLTP）提取Upper和Lower模式中共生点对的局部纹理信息;联合上下文共生点对的特征直方图训练卡方核支持向量机,进行纹理图像识别检测。在应用广泛的Brodatz、Outex（TC10、TC12-h、TC12-t、TC14）、CUReT、KTH_TIPS、UIUC标准纹理库中,该算法相较于原始的PRICoLBP算法和其他算法在分类准确率上均有一定的提升,且在添加了高斯噪声和椒盐噪声的KTH_TIPS纹理库中,该算法依旧保持了较高的分类准确率。实验结果表明,该算法对旋转、光照变化和噪声干扰具有较强的鲁棒性。