基于纹理和草图的图像铅笔画绘制

针对目前铅笔画生成方法中的线条不够灵活、纹理缺少方向感的问题,提出了一种基于带方向的纹理和线条草图将一幅图像转换为铅笔画风格的方法。首先,对输入图像进行直方图匹配得到图像的色调图,并将图像分割为多个区域,对每个区域,根据其颜色和形状计算其色调和方向,以此决定铅笔纹理的色调和方向;然后,通过可调整的线性卷积方法得到铅笔画的线条草图;最后,将纹理和草图结合得到铅笔画效果。运用提出的方法对不同类型的自然图像进行了铅笔画的转换,并与已有的线卷积积分方法和基于色调的方法进行了对比。实验结果表明带方向的区域纹理能更好地模拟手工铅笔画纹理的方向,可调整的线条能够更好地模拟手工铅笔画的线条的随意性和灵活性。     

绘制内容指导的铅笔画风格实现

为了让铅笔画纹理的色调更接近画家的绘制效果,提出一种内容指导的铅笔画色调生成算法,以改进铅笔画纹理的生成效果.首先对大量绘制内容不同的铅笔画分类后进行色调直方图统计,拟合出适合每种类别的直方图曲线,并对输入图像用与之同类别的直方图曲线进行色调匹配,得到对应的铅笔画色调图;然后用与输入图像大小相同的随机噪声图为基底,对噪声图的每个像素进行不同次数的迭代相乘后产生与色调图匹配且分布一致的噪声场;最后对输入图像进行区域分割,在与分割区域对应的噪声场中用LIC算法生成卷积长度及卷积方向不同的铅笔纹理图,实现分区域不同方向的铅笔纹理的绘制.实验结果表明,由于采用内容指导的分类绘制,该算法生成的铅笔画在色调上更加贴近真实画家绘制的铅笔画,且纹理形式多样,整体效果较好.     

基于多层次显著图的自动铅笔画生成

图像艺术风格化是将图像自动转化为具有艺术风格的图像的方法统称,具有十分广阔的需求和市场应用前景.本文针对现有方法生成的图像往往风格单一、线条僵硬,提出了一种基于多层次视觉显著图将照片图像自动转化成铅笔画的方法,借助视觉显著性特点,使得风格化图像更加自然逼真.首先利用量子切割原理生成一幅包含多个层次的视觉显著性映射图,为每个像素计算一个重要性概率值;其次,利用显著性映射图对铅笔画轮廓图进行建模,并利用图像的边缘切线流为边缘像素计算显著性层次,生成不同粗细、长短、方向的笔画;最后,利用显著性映射图对色调纹理进行建模,对不同层次的像素采用不同程度的灰度变换和纹理合成.与现有的非真实感图像生成方法相比,文中方法由于利用了多层次视觉显著性信息,生成的图像更加具有层次感和艺术表现力,更接近画家绘画作品.实验表明,采用该方法得到的合成框架可以将照片快速转换成铅笔画艺术风格图像,效果生动逼真.     

改进的自然图像铅笔画效果生成

目的现有的自然图像素描画效果生成算法存在容易造成画面细节丢失,笔画线条单一等问题。针对这些问题,提出一种改进的自然图像素描画效果生成算法。方法通过模拟艺术家创作素描画过程,采用多层次多尺度方法提取图像中不同层次的细节信息,并使用不同长度不同粗细的笔画来模拟艺术家在创作过程中不同力度的绘画效果,分层绘制画面中不同细节层次,然后融合各层次笔画效果形成最终的素描画笔画效果,最后合并素描画笔画效果和素描画图像底纹。结果通过本文算法,可以得到与原输入自然图像内容一致,色调与艺术家绘制的素描画效果相同,笔画和底纹形式与实际素描画相似,真实感较强的素描画效果输出图像。结论大量实验结果表明,本文算法可以生成高质量的自然图像素描画效果,与现有成熟的铅笔画生成技术相笔,该算法具有较强的可比性。     

基于自适应噪声模型和线积分卷积的铅笔画模拟

提出一种铅笔画模拟的方法。和传统的铅笔画步骤类似,经过轮廓提取和色调合成,产生铅笔画模拟图像。轮廓提取通过L0平滑后,用四向索贝尔算子提取边界,借助线积分卷积实现色调合成。与现存方法不同的是,给出一种自适应噪声模型,根据源图像产生自适应的噪声,将其作为线积分卷积的输入图像。实验证明提出的方法可以用来产生具有艺术效果的铅笔画模拟图像。     

用小波分层模拟铅笔画纹理

基于原图像根据亮度分层的思想,提出了一种应用小波变换得到不同分层的新方法。采用小波将一幅灰度化后的图像分解并分别对低高频信息进行重构,提取重构后的三幅高频信息,添加高斯噪声,应用运动模糊生成不同方向的纹理。将彩色图像进行霓虹处理,再进行反相计算和灰度化,生成铅笔画中的轮廓。将不同的纹理方向和轮廓图按照一定的方法进行叠加,得到铅笔画图像。实验结果表明,与以往算法相比,能够更快速地将输入图像转换为铅笔画,取得令人满意的效果。     

非真实感铅笔画艺术效果研究

改进了非真实感铅笔画艺术效果的绘制算法,利用图像分割、线积分卷积技术确定线条纹理的方向,模拟得到局部区域铅笔画的笔划纹理。采用轮廓线增强、灰度色调控制最终铅笔画艺术效果的边缘信息和灰度色调。通过色彩传输技术得到具有彩色铅笔画的艺术效果。     

基于边缘学习的低分辨率图像识别算法

由于受光照条件、拍摄角度、传输设备以及周围环境的影响,刑侦视频图像中的目标物体往往分辨率较低,难以识别。针对低分辨率图像识别问题,在经典LeNet-5识别网络的基础上,提出了一种基于边缘学习的低分辨率图像识别算法。首先由边缘生成对抗网络生成低分辨率图像的幻想边缘,该边缘与高分辨率图像边缘相近;再将该低分辨图像的生成边缘信息作为先验信息融合到识别网络中对低分辨率图像进行识别。在MNIST、EMNIST和Fashion-mnist三个数据集上分别进行实验,结果表明,将低分辨图像的幻想边缘信息融合到识别网络中可以提高低分辨率图像的识别率。     

一种改进的铅笔画生成方法

该文提出了一种改进的铅笔画生成方法。该文改进了用于提取轮廓的霓虹算法,改进方法能够在保证效果的前提下,降低算法的复杂度,提高了图像处理的效率。提出了一种新的纹理产生方法,根据亮度将图像分层,然后对每一层添加噪声并进行适当的USM锐化,最后应用运动模糊对每一层图像生成不同方向的纹理。实验结果表明,该方法相比传统的铅笔画生成方法能够更快速的将输入图像转换为铅笔画,并能取得令人满意的效果。     

一种改进的二维彩色铅笔画自动绘制算法

针对传统彩色铅笔画绘制技术中存在的色彩失真及自动化程度较低等问题,提出一种改进的二维彩色铅笔画自动绘制算法。该算法在生成白噪声图像时,用原始图像的灰度值来替代单一的黑白像素点,更好地保留原始图像的纹理信息,有效地抑制了颜色失真现象。其次,提出一种基于像素明暗度的比划方向确定方法,确保了铅笔笔画的自然流畅,也使得整个算法能够自动完成。     

一种有效的基于区域的铅笔画方法

提出了一种新的基于线性卷积积分（Line Integral Convolution）自动铅笔画生成方法。已有的基于LIC的铅笔画方法通过图像的分割和纹理方向的检测技术来获得图像的合理区域划分和各个区域笔画的方向。铅笔画的结果很大程度上依赖于纹理的方向和区域的白噪声。如果分析得到的纹理方向和白噪声和输入的图像不相一致,生成铅笔画的效果就很差。本文提出的方法改进了已有的铅笔画生成方法,首先利用基于图的图像分割方法实现快速有效的区域分割,其次提出一种新的基于区域的白噪声和纹理方向生成方法。实验表明提出的方法更接近于真实的铅笔画效果。     

基于Android手机的铅笔画生成方法研究

根据Android系统手机的特性以及真实铅笔画纹理的特点,提出一种基于快速线积分卷积(FLIC)的铅笔画自动生成方法。首先将用户输入的彩色图像进行灰度化处理,并利用Sobel算法进行轮廓提取,产生铅笔画中的轮廓效果;然后对图像进行分层处理,提出了适用于图层的白噪声生成方法;最后采用快速积分卷积(FLIC)替代传统线积分卷积(LIC)进行模拟纹理,并将各层结果以及图像轮廓进行叠加生成最终铅笔画。试验结果表明:该方法在Android系统的手机中生成速度快,并且结果接近于手绘铅笔画。     

基于边缘和模型的半色调图像水印算法*

考虑人眼视觉掩蔽特性,提出了一种基于图像边缘和模型的数字半色调图像水印算法。通过分析半色调图像边缘特性,将二值水印嵌入到半色调图像边缘区域,再结合视觉和打印模型对半色调图像进行优化,得到含水印半色调图像。仿真实验表明,该方法不会在含水印半色调图中产生明显椒盐状噪声,可取得较好的水印不可感知性。当此半色调图像打印输出,再遭受裁剪、随机涂改、JPEG压缩攻击后,仍能提取出有效的水印信息。     

混合样本融合边缘信息的单样本人脸识别研究

在进行人脸识别的时候,训练样本数量对识别率的大小影响非常大,由于存储技术和训练样本采集困难等诸多条件的限制,如何利用一幅人脸有用的信息尽可能地生成并包含更多的人脸信息成为了学术界的难点。针对该问题,提出一种按不同权值将原始图像和虚拟样本混合后再融合其人脸不同灰度值的边缘信息,构成新的训练样本。首先将原始样本灰度处理后生成轴对称图像和镜像图像,按不同权值混合。再提取混合后的边缘信息按不同灰度值与混合后的图像融合。使单幅人脸图像包含更多的特征信息。实验结果表明,混合权值之和大于1并且融合其边缘信息后生成的训练样本,相比原始样本信息的人脸识别率能提升2%~12%,表明该方法能有效地提高人脸识别率。     

红外与可见光图像快速融合算法

为了增强融合效果,提高融合速度,提出一种快速有效的红外与可见光图像融合算法.首先采用局部直方图均衡和中值滤波对红外与可见光图像进行对比度增强和去噪处理;然后对增强后图像进行线性融合,生成伪彩色融合图像;最后简化Lab颜色空间与RGB颜色空间之间的转换模型,并在简化的Lab空间实现全局颜色迁移,将可见光参考图像的一阶统计信息融合进伪彩色图像,获得自然感的真彩色图像.对比实验结果表明,采用文中算法生成的融合图像更加清晰、自然,速度更快、更简单.     

一种铅笔画仿真新方法

通过分析铅笔画的艺术特点,提出一种基于图像的铅笔画仿真方法。首先对用户输入的图像进行Unsharp Mask（USM）锐化提取细节信息,并进行颜色放大处理以增强对比度,然后采用基于点的向量场技术生成笔画方向,最后应用线积分卷积（LIC）得到具有素描风格的结果图像。为了更好地模拟铅笔纹理,改进了传统的纹理生成方法,提出将锐化后的结果图像代替白噪声图作为LIC的输入。实验结果表明,该方法的生成效果更接近于手绘风格,且无需用户交互,适合于动画制作等很多领域的应用。     

基于HTML5平台的铅笔画风格渲染

通过改进基于运动模糊滤镜的铅笔纹理仿真算法,提出了一种新的非真实感铅笔画风格渲染方法。对输入图像进行基于高斯模糊的虚光蒙版（Unsharp Mask,USM）锐化得到铅笔画基图,采取自主实现的运动模糊算法根据基图生成铅笔纹理,进行锐化滤波处理并与边缘提取处理图融合,得到铅笔画风格绘制效果,同时在HTML5平台实现了铅笔画风格渲染的方法。实验结果表明,该方法生成速度快,渲染效果逼真而且有层次感,适合于Web应用领域。     

一种基于细节层分离的单曝光HDR图像生成算法

针对利用单幅低动态范围（Low dynamic range,LDR）图像生成高动态范围（High dynamic range,HDR）图像细节信息不足的问题,本文提出了一种基于细节层分离的单曝光HDR图像生成算法.该算法基于人类视觉系统模型,首先分别提取出LDR图像的亮度分量和色度分量,对伽马校正后的亮度分量进行双边滤波,提取出亮度分量的基本层,再对基本层和亮度分量进行遍历运算,得到亮度分量的细节层;然后,构造反色调映射函数,分别对细节层和伽马校正后的亮度图像进行扩展,得到各自的反色调映图像;之后,将反色调映射后亮度分量与压缩后的细节层进行融合,得到新的亮度分量.最后,融合色度分量与新的亮度分量,并对融合后图像进行去噪,得到最终的HDR图像.实验表明该算法能挖掘出部分隐藏的图像细节信息,处理效果较好,运行效率高,具有较好的鲁棒性.     

基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

宏微观信息增强与色彩校正的高效色调映射

目的 色调映射是一种在保持视觉效果基本不变的前提下将高动态范围图像映射到常规低动态显示设备上进行显示的技术。针对现有方法存在细节模糊、边缘光晕及色彩失真等不足,提出一种宏微观信息增强与色彩校正的色调映射新方法。方法 将给定的高动态范围图像映射到HSV(hue, saturation, value)颜色空间,分离亮度信息与色彩信息。基于人类视觉感知机制,在亮度通道构建宏观一致性和微观显著性的亮度感知压缩模型,并进一步通过调节模型缩放因子消除边缘光晕现象。基于颜色恒常性原理,在色度通道构建自适应饱和度偏移模型,融合亮度压缩信息调整图像的饱和度信息,解决色调映射所造成的主观色彩失真问题。结果 实验结果表明,所提算法在结构保真度、自然度和色调映射质量指数等客观评价方面均优于对比色调映射算法,同时主观平均意见值也取得了最高的4.3分（即好—非常好）。结论 宏微观信息增强的亮度感知压缩模型,在确保场景亮度信息不变的情况下,可以有效增强图像纹理细节的完整性和保真性。融合亮度压缩的饱和度偏移模型可以有效解决亮度压缩导致的图像色彩失真等问题。该色调映射算法效率高、通用性强,可广泛应用于图像压缩、生物医学...