实时图像纹理替换算法

提出了一种实时图像纹理替换算法.使用区域纹理样本实现中等水平视觉的区域纹理替换.利用图像纹理替换潜在的数据并发特征,在集群环境下,设计并实现了混合MPI与OpenMP的图像纹理替换并行算法,给出了主从模式下的MPI并行设计、OpenMP并行设计及负载平衡.实验结果表明,并行算法可行有效,保证重建图像符合人眼视觉要求,大大减少了图像重建所需数据量;有效降低了计算时间,能够满足硬实时系统的时间约束.     

基于融合细分的纹理图像重构模型

针对分段迭代曲线拟合存在的重建区域轮廓不连续、重建区域尺寸有误差等问题,提出了一种基于融合细分的纹理图像重构模型.首先提取原始图像的分割区域,经过轮廓跟踪与下采样得到区域形状的特征向量;然后利用三重逼近与三重插值统一的融合细分方法,重建区域轮廓曲线;最后合成区域纹理,得到纹理图像重构结果.在多幅自然场景图像上进行实验验证,并给出相应的实验结果和分析.实验结果表明,所提模型正确有效,具有和人类视觉特性相符合的重构结果; 所提算法能够减少图像重建时的处理时间,并在图像质量主观评价指标上明显优于多区域图像重建算法.     

多区域图像重建算法

为在多区域轮廓曲线中实现中等水平视觉的区域纹理替换,提出了一种多区域图像重建算法。该算法首先提取原始图像的分割区域及其索引号列表;其次根据分段迭代曲线拟合方法获得代表区域结构特征的多项式系数,并选取最小的区域纹理样本;最后利用重建的区域轮廓与合成的区域纹理实现区域恢复。该算法能成功实现包含大量纹理的自然场景图像重建,实验结果表明降低了图像重建所需数据量,适用于图像与视频的静止背景重建。