基于显著结构元素的纹理合成

某些样本纹理中包含按一定的特征分布的显著结构元素,而现有像素级别纹理合成算法难以保持样本纹理中显著结构元素的完整性以及分布特征等人眼更高感知层次的信息.本文提出了一种基于显著结构元素的纹理合成算法.首先,提取样本纹理中显著结构元素,根据各元素的空间位置建立邻接关系,分析每个结构元素的邻域信息,把结构元素的分布建模为Markov随机场模型.在合成过程中,采用邻域匹配算法,在样本纹理中查找最合适的结构元素,并将其添加到目标纹理中.另外,本文在后处理中通过添加噪声对显著结构元素进行各种随机变换,增加了目标纹理的多样性,实验结果表明,对于半结构性纹理,本文合成结果符合更高层次人眼感知特征.     

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．     

采用邻域直方图匹配的矢量纹理图案合成

矢量纹理图案是指由一种或几种矢量图案元素按照一定的规则进行分布而形成的纹理图案。这种纹理图案在日常生活中随处可见,对其进行自动合成是非真实感绘制中的一个重要研究课题。本文提出一种基于样本的矢量纹理图案合成方法,可以根据一小块样本图案自动合成与该样本图案有类似分布规则的大面积图案。在此方法中,我们采用一种“邻域直方图”的策略来进行元素邻域信息的匹配与合成：将矢量元素的邻域空间用以该元素为中心的射线束和同心圆簇划分为一定数量的小格;统计每个小格中出现的邻域元素数量就可以形成一幅直方图;以此直方图信息作为当前元素的邻域信息在样本图案中进行匹配搜索,从而完成图案的合成。该方法不仅可以应用于仅有一种图案元素的分布合成,还可扩展至多种元素图案的复杂分布合成。与以往的矢量纹理图案合成方法相比,本文方法不需要复杂的元素关系分析和频繁的元素位置比较,实现简单,效率较高。实验表明,本文方法对于规则、半规则及随机的图案分布,都可达到较好的合成效果,这对于非真实感绘制中的风格图案生成、笔划分布计算等都将具有很好的应用意义。     

一种基于LBP的纹理合成无载体信息隐藏方法

为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。     

基于自动结构延伸的图像修补方法

针对图像修补问题中结构信息修补的难题, 提出一种自动延伸图像中显著结构信息并完成图像修补的方法. 通过提取图像未知区域周围的显著结构信息, 并依据结构信息的趋势向未知区域中自动延伸, 形成指导修补的辅助线. 沿着辅助线修补显著结构信息后再利用基于块的纹理合成修复余下的未知区域. 实验结果证明本文提出方法相比传统基于块的纹理合成方法能够得到更好的修补效果.     

基于多邻域空间分布的图像检索

由于灰度共生矩阵及其改进算法存在计算复杂、且对于纹理分布信息缺乏计算以及忽略了图像相关特性等缺点,导致对于图像纹理的有效信息缺乏很好的描述,为此提出了一种新的纹理特征用于图像检索.该算法首先结合图像中像素的统计信息,针对不同的邻域范围提取图像的邻域相关矩阵,然后在此基础上构造多邻域空间分布特征用于图像检索.分析表明,该算法所提取的纹理特征计算量小,复杂度低,并且由于将纹理的结构特征和统计特征有效地结合起来,所以对图像的空间纹理分布特征可以较好地描述.为了证明新算法所提取纹理特征的有效性,将其用于图像检索实验.实验结果表明,新算法在检索精度上相比其他算法具有较大的提高.     

Periodic pattern of texture analysis and synthesis based on texels distribution

Recently, sample-based texture synthesis techniques have drawn significant attention from researchers. These existing approaches mainly use the Markov Random Field (MRF) or texture features as texture model to analyze the local properties of sample textures. Indeed, human perception is sensitive to structure and periodicity. In this paper, we perform texture synthesis by taking into account the distribution of texels. Given a sample texture, the analysis procedure consists in segmenting texture into individual texels, and detecting each texel in order to analyze their neighborhood relationships by constructing connectivity. Then the synthesis process consists in reproducing a new large texture directly on a user-specified canvas by recomposing segmented texels, which synthesizes two-dimensional texel arrangements based on the previously constructed neighborhood relationships of texels. Results show that the proposed method is successful in generating textures visually indistinguishable to the sample textures. Moreover, the method especially deals with the near-regular textures, which well preserves underlying structural regularity.     

曲面渐变纹理合成中重采样问题研究

在渐变纹理合成过程中,纹理尺度和方向的变化需要不断对原样图进行重采样。为避免不断重采样对纹理合成速度的影响,在基于块合成方法的基础上,以线性函数作为纹理尺度的过渡函数,在二维空间生成渐变纹理,将二维渐变纹理作为新的样本,利用矢量场控制曲面纹理合成,采用灰度图像辅助合成,以避免纹元破裂。实验结果表明,该方法对自然界中大多数纹理进行合成时能取得较好的效果,能保持纹理的视觉连续性,合成效率较高。     

纹理合成技术在旧照片修补中的应用

图像修复是图像复原研究的一个重要内容,它的目的是根据图像现有的信息自动恢复丢失的信息。在对目前图像修复技术两大类方法分析的基础上,提出了利用改进的纹理合成技术进行旧照片修补的方法,通过实验证明与变分方法图像修补比较有更好的效果,具有很强的实用性。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

Texture Splicing

We propose a new texture editing operation called texture splicing. For this operation, we regard a texture as having repetitive elements (textons) seamlessly distributed in a particular pattern. Taking two textures as input, texture splicing generates a new texture by selecting the texton appearance from one texture and distribution from the other. Texture splicing involves self‐similarity search to extract the distribution, distribution warping, context‐dependent warping, and finally, texture refinement to preserve overall appearance. We show a variety of results to illustrate this operation.     

基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。     

An evolutionary system for near-regular texture synthesis

Near-regular texture is probably among the most difficult to handle in the texture synthesis area, because the synthesis must preserve the holistic structural property and the local randomness simultaneously. In this paper, motivated by the relationship between a near-regular texture image and an evolutionary system, we propose a novel texture synthesis algorithm. By defining individuals with appropriate attributes and behaviors, we convert the texture synthesis problem to an evolution process of an evolutionary system. It can achieve high-quality synthesized results on a large variety of near-regular textures without any extra overhead for memory and pretreatment, and the speed approaches real-time. Moreover, it can be easily generalized to deal with other kinds of textures.     

The Promise and Perils of Near-Regular Texture

Motivated by the low structural fidelity for near-regular textures in current texture synthesis algorithms, we propose and implement an alternative texture synthesis method for near-regular texture. We view such textures as statistical departures from regular patterns and argue that a thorough understanding of their structures in terms of their translation symmetries can enhance existing methods of texture synthesis. We demonstrate the perils of texture synthesis for near-regular texture and the promise of faithfully preserving the regularity as well as the randomness in a near-regular texture sample.     

基于GPU加速的保结构纹理合成

提出一种基于Chamfer距离的保结构纹理合成方法。使用Chamfer距离度量纹理结构特征的相似度,在查找匹配块的同时计算纹理在颜色空间和结构特征空间的匹配度,从而解决以往纹理合成中有显著结构特征的纹理容易出现不连续的问题。但是Chamfer距离的计算量很大,而且随着纹理合成图分辨率的提高,计算成本会变得相当高昂以至于难以负担。因此,提出了基于GPU加速的保结构纹理合成方法,通过并行查找匹配块提高合成效率。实验证明本方法既提高了结构纹理的合成质量,又使得保结构纹理方法的合成速度大大提高,且与纹理合成图的分辨率无关。     

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.     

基于约束的多样图纹理合成方法

基于已有的约束的多样图纹理合成算法,提出采用图像金字塔的方法来实现,并在其中利用了纹理的相关性原理,不仅可以合成自然纹理,而且对结构性较强的纹理也取得了较好的效果,合成速度也得到了提高。实验结果表明,该算法在合成质量和合成速度上都有较大的提高,对于控制某种纹理在合成结果图中的位置的纹理合成有广泛的适用性。     

Advanced structural joins using element distribution

For accelerating a structural join operation, current techniques focus on skipping elements that do not contribute to the results. They make use of external index structures (e.g. B+ tree) to determine a bunch of elements to be skipped. However, external indexes are too heavy for a structural join and the overhead of index lookups can reduce the benefit of skipping. In this paper, we proposed element trees and distribution encoded bitmaps for efficient element skipping. With proposed techniques, we can exploit the distribution of elements as well as the context information of a query for efficient skipping of unnecessary elements.