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。     

利用相关性的快速块拼贴纹理合成

通过总结已有的纹理合成算法,采用基于样图的纹理合成方式提出了一种快速块拼贴纹理合成算法。该算法基于纹理的相关性,在搜索最佳目标纹理块时,通过相关位置偏移技术在样图中映射出已合成块的地址,适时加入螺旋搜索方法,利用块边界匹配算法将搜索到的地址块进行匹配,直到找到符合误差阈值的纹理块然后进行输出合成。通过实验发现,算法在处理随机性纹理和结构性纹理时都能取得比原先算法更好的合成效果,合成时间也大大加快。     

基于相关性和小波变换的纹理合成算法

提出一种快速的纹理合成方法,采用小波变换对原样图分解,只在分解后的低频部分进行最佳匹配块的搜索,使合成速度得到了很大提高;同时,在合成过程中利用邻域块的相关性,把搜索范围限制在当前块的邻域,避免了对样图的穷尽搜索。结果表明,该算法在很大程度上减少了合成时间。     

螺旋状匹配搜索的块拼贴纹理合成

基于样图的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种纹理拼贴方法。该文在Efros块拼贴算法和徐晓刚的螺旋状点匹配搜索算法基础上,提出了一种螺旋状匹配搜索的块拼贴算法。该算法利用纹理块的连惯性,在搜索待合成纹理块时,在已合成纹理块在样本图像中位置的邻域进行搜索,找到匹配纹理块后进行输出。该方法大大加快了纹理合成的速度,与Efros块拼贴算法相比,在合成质量不变的基础上,合成速度平均提高了10倍。对于不同的纹理进行实验,其结果也令人满意。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

自相似性匹配的纹理合成

基于Image Quilting算法,基于块匹配的误差提出了一种基于自相似匹配的改进方法,其有效提高了缝合速度及合成质量,对不同纹理样本都能取得较好的合成效果。该算法首先根据样本图像大小动态确定匹配块的大小;之后通过自相似匹配的原理设置了缝合块的边界匹配误差,保留了缝合块的边界信息;在缝合过程中使用贪心算法选取相似性最高的块作为下一个待缝合的块,通过局部最优合成效果合成最终纹理图像。实验结果表明,改进后的算法减少了合成时间,消除了匹配块之间的不连续性,提高了合成质量。     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。     

螺旋线状搜索的快速块匹配纹理合成

为了避免纹理映射技术可能带来接缝走样的缺陷和过程纹理合成中复杂参数的调试,采用基于样图的纹理合成方法提出了一种新算法.该算法基于纹理的连贯性,在采用徐晓刚螺旋线状搜索算法的同时,结合了梁林的块拼贴纹理合成算法,即利用连贯性在样图中已合成纹理块位置向邻域扩展进行螺旋搜索,直到搜索到最佳匹配纹理块,然后进行纹理合成.大量实验结果表明,该算法与上述两种算法相比在合成效果上更加理想,合成时间也大大提高.     

基于匹配相容性的高效纹理合成

文中提出一种新的基于纹理块操作的纹理合成方法.对于每个纹理块,该方法根据样本纹理生成可与它进行拼接的纹理块邻接集合,并根据多步合成计算时纹理块之间的可拼接性(即匹配相容性)对邻接集合进行优化处理,即舍弃那些在多步操作后会引起匹配冲突的块.这样,合成计算时,可节省大量的关于邻接块之间的相似性度量计算,减少合成过程中的匹配冲突,由此提高纹理合成的效率.其合成质量,可与目前合成质量最好的纹理优化方法相媲美;而在合成速度方面,新方法的时间复杂度基本上是与目标纹理的大小成线性关系的,并经实验表明,新方法能以交互绘制的速度合成1024×1024像素的大纹理,而这是已有合成方法难以达到的.     

一种新的纹理合成算法

本算法以马尔可夫随机域(Markov Random Field)模型合成纹理,使用图象金字塔(Image Pyramid)的方法,以一个样本纹理图象作为输入,在样本纹理图象中随机抽取一块很小的区域作为合成纹理图象的种子区域,在种子区域的边缘按照螺旋顺序合成.在合成纹理图象的每个像素时,通过候选列表搜索、全局搜索和中心搜索相结合的方法,在候选列表搜索和全局搜索中使用不同大小的邻域搜索其匹配点,能够快速准确地找到最优的匹配点.实验表明,这种算法对于大多数纹理都能取得很好的效果.     

基于Curvelet的边缘纹理特征提取及表情识别

针对小波变换在提取图像边缘特征上的局限性,提出一种使用Curvelet变换进行边缘纹理特征提取的表情识别方法。Curvelet变换在表达图像的边缘曲线上的奇异性时比小波变换更能得到稀疏的图像表示。在表情识别中,对表情图像使用Curvelet变换得到Curvelet系数作为边缘纹理特征能更好地反映表情的变化,使用K最邻近结点算法进行了识别。结果表明在表情识别中该方法比小波变换更有效。     

压缩图像传输中基于小波-空间域联合估计的差错隐藏算法

基于小波域压缩的图像在传输发生错误时，会引起部分空间区域图像质量的下降。解决这一问题的传统方法是空间域插值或小波域估计。由于传统方法重构质量仍有待提高，为了获得质量更好的重构图像，提出了一种小波一空间域联合估计的差错隐藏算法。该算法首先对小波域低频系数进行简单的八邻域平均来得到初始重构图像；接着在空间域对核心受损区域进行基于块的匹配搜索，通过选择对已知正确小波系数影响最小的块作为匹配块来得到匹配图像；最后将经过滤波处理后的匹配图像变换到小波域，通过与小波域已知正确信息相融合来得到最终重构图像。仿真试验表明，在多数应用场合，该方法与简单的小波八邻域平均低频重构图像相比，客观质量峰值信噪比提高0．5—1dB左右，主观质量也有明显提高。     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

基于小波-Contourlet变换的图像压缩算法

利用小波-Contourlet变换对图像分解具有多尺度和多方向性的特点,提出一种结合小波-Contourlet变换和无链表集合分裂嵌入块编码的图像压缩算法.小波-Contourlet通过方向滤波器组把小波分解的高频予带进一步分解为多个方向子带,从而更稀疏地表示图像的边缘和纹理.无链表集合分裂嵌入块算法充分利用系数子带内的相关性,具有复杂度低、编码效率高的优点.实验结果表明,与基于小波变换的SPIHT算法和SPECK算法相比,新算法对纹理丰富的图像有很好的压缩效果和视觉效果.     

基于ADL小波变换的图像压缩算法

提出一种基于自适应方向提升(ADL)小波变换的图像压缩算法。根据灰度共生矩阵角二阶矩的差异,将图像分割成平坦性不同的分块。对纹理信息较少的块,采用一般提升小波变换以减少变换时间。对纹理信息较多的块,采用方向提升小波以提高变换效果。结合多级树集合分裂编码和算术编码对变换系数和方向信息分别进行编码。实验结果表明,与ADL算法相比,该算法能有效减少方向小波变换时间。     

基于Graph Cut的快速纹理合成算法

提出一种带边界匹配的基于Graph Cut的快速纹理合成算法．通过将纹理样本以不同的位移贴到输出图中完成合成,重叠区域的像素取值由Graph Cut确定．引入边界图辅助位移搜索,以增强合成结果的边界连续性;在预处理过程中计算2个相同样本在所有相对位移下的匹配误差,选取一部分误差最小的位移组成“优选位移”集合,合成过程中的块间相对位移仅从此集合中选取,大大地提高了合成速度．实验结果表明,该算法合成质量高、适用范围广、合成速度快．     

基于结构性信息的纹理合成方法

提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色—结构差异算法。该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而更好地保证了合成后的纹理在视觉上的连贯性。     

GPU适用的并行纹理合成算法

基于样图的纹理合成是一个大计算量过程,为了利用GPU的并行计算能力进行大规模纹理合成,我们提出一种并行纹理合成算法.该算法综合块查找和全局纹理优化算法分多遍进行纹理的合成和优化,其中每一遍分为串行纹理块定位和并行最优块匹配2个阶段.纹理块定位阶段在CPU端按照扫描线顺序确定待合成的邻域,并将邻域位置传入GPU;最优块匹配阶段在GPU端并行计算待合成邻域与对应样本邻域的全局距离,并查找出最优解得到匹配块.最后根据匹配过程统计数据自适应调整优化规模,在全局范围内对纹理进行迭代优化.实验结果表明,文中算法在保证大规模纹理合成效果的基础上减少了计算时间,能够满足交互式纹理合成的应用.     

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。     

基于三角块的曲面纹理合成

根据曲面网格上的切向矢量场,采用广度优先搜索策略从样本纹理空间中为每个三角面片映射纹理面片,直至完全覆盖整个网格．在搜索和映射过程中,首先使网格上相邻三角面片的纹理有最小的匹配误差;然后对相邻的三角面片纹理使用图的分割方法拼接纹理,得到曲面上连续的合成纹理;最后压缩存储合成的三角面片纹理．该算法适用于多种类型的样本纹理和任意的三角化曲面．