LIC纹理中可视矢量大小的方法

线积分卷积 (LinearIntegralConvolution ,LIC)纹理很好地可视了 2D矢量场的方向信息 ,本文提出了两种在LIC纹理中同时可视矢量大小的方法 :多粒度LIC和图像混合。多粒度LIC利用纹理粒度可视矢量大小 ,采用变宽度的邻域平均 ,快速、方便地合成多粒度噪声 ,然后 ,利用滤波器长可变的FLIC快速计算。图像混合技术将LIC纹理和矢量大小的映射图像混合 ,同时可视大小和方向 ,讨论了多种矢量大小的映射方法和硬件支持的图像混合技术。对于实际的矢量场 ,上述两种方法取得了很好的可视效果。     

使用可变大小的邻域进行纹理合成

在许多采用马尔可夫随机场模型的基于样图的纹理合成算法中,邻域的大小决定着这些合成算法的纹理合成质量和合成速度。目前很多纹理合成算法都是在合成前人为选择或通过一定算法来选择邻域尺寸,在合成过程中就使用这个固定大小的邻域来合成纹理,但是固定大小的邻域通常会造成纹理特征混乱。本文提出一种新的纹理合成算法,该算法在合成过程中动态改变邻域大小来避免这个问题。针对每一个输出像素,它的邻域尺寸与这个邻域结构所有像素都相关,是动态改变的。实验表明,在一个较宽的纹理范围内,该算法能够自动为每一输出点自动地识别出理想的邻域大小,生成令人满意的纹理合成效果。     

基于频域最小距离的SPOT(Pan)图像纹理分类算法

为了将频谱对纹理特性的表征能力应用于遥感图像分类提出了基于频域最小距离遥感图像纹理分类算法。将模板图像和适当窗口大小的待判别图像分别进行傅立叶变换,计算两者的频域距离,距离最小者即判别窗口中心像元为该类别的地物。运用该方法对SPOT(Pan)图像进行纹理分类试验,结果表明窗口大小为3×3时分类效果最好,总体分类精度达到80.4%。     

基于位移矢量的纹理恢复

从纹理图像与普通图像的区别入手，根据纹理图像本身的自相似性和L形邻域搜索方法，采用运动估计中的位移矢量原理，分析并设计一个新的并且高效的纹理恢复算法。突破了传统的用邻域搜索法对破损纹理图像进行恢复的思想。与邻域搜索法相比，该算法的速度可以提高几百倍，恢复的结果比较令人满意。     

纹理数据的可分离性评价指标研究

根据灰度共生矩阵计算的纹理数据,受到窗口大小、步长、方向、灰度等级这些参数及纹理统计量等因素的影响。如何评价在计算机自动搜素过程中,不同参数组合及不同纹理统计量的纹理数据,是一个值得研究的问题。纹理数据如果具有好的区分度即好的图像分类价值,则在图像同一地物区域内,纹理数据应该具有较好的一致性,而不同地物区域间纹理数据应该具有明显的差异。根据这个原则,本文提出了一个可分离性指标——J指标。无人机航片的试验结果表明,该指标具有较好的评价效果。试验同时表明:窗口大小至少应包含图像中纹理颗粒最大地物的一个周期;总体来说,J值随着窗口增大而增大;森林纹理与方向关系不明显。     

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.     

纹理合成中的邻域大小自动识别算法

在许多采用马尔可夫随机场模型的基于样图的纹理合成算法中，邻域大小决定着这些合成算法的纹理合成质量和合成速度。但目前该参数是由用户根据目测的纹元大小进行试探性的设置，往往需要多次试探才能获得较为理想的邻域大小，设置起来非常不便。文章运用统计分析的方法，提出了一种邻域大小自动识别的算法。实验表明，在一个较宽的纹理范围内，该算法能够自动地识别出理想的邻域大小。     

一种利用图像邻域信息进行边界光滑的纹理识别的方法

在传统纹理识别方法中，纹理识别是对图像分块进行的，因此得到的纹理边界不光滑，同时呈现明显的分块痕迹。一种充分利用图像邻域信息的“相关度计算”方法，通过计算包含象素点的所有图像分块被识别的概率，来判断象素点是否被识别。结果表明，“相关度计算”方法可以得到相对光滑的纹理边界。     

一种新的局部纹理描述模式

提出一种新的图像局部纹理模式描述方法.首先通过比较8-邻域内像素灰度与邻域灰度均值的关系,对8-邻域进行二值化;然后将与邻域中心像素相对的水平、竖直及对角四个方向所得到的二进制序列的值和相应的权值模板对应相乘求和,就得到新的局部纹理模式;同时,文中对新纹理描述模式进行了进一步增强处理,兼顾了局部邻域的高频及低频特征.采用不同图像库进行实验,结果表明,新纹理模式的检索性能明显优于文中提到的其它方法,而且其特征维数还不到其它描述符维数的一半.     

基于支持向量机和灰度共生矩阵的纹理图像分割方法

图像分割是计算机视觉领域的研究热点。灰度共生矩阵是图像灰度的二阶统计度量,反映了纹理图像灰度在方向、局部邻域和变化幅度的综合信息,以能量、对比度、熵、差方差和差熵作为纹理图像的特征,利用支持向量机(SVM)对这些特征进行训练和分类,以达到纹理图像分割的目的。详细说明了纹理图像的分割过程,同时分析了不同参数情况下对分割精度的影响。针对Brodatz纹理库的实验结果表明:该方法具有较好的分割效果。     

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.     

Contour and Texture Analysis for Image Segmentation

This paper provides an algorithm for partitioning grayscale images into disjoint regions of coherent brightness and texture. Natural images contain both textured and untextured regions, so the cues of contour and texture differences are exploited simultaneously. Contours are treated in the intervening contour framework, while texture is analyzed using textons. Each of these cues has a domain of applicability, so to facilitate cue combination we introduce a gating operator based on the texturedness of the neighborhood at a pixel. Having obtained a local measure of how likely two nearby pixels are to belong to the same region, we use the spectral graph theoretic framework of normalized cuts to find partitions of the image into regions of coherent texture and brightness. Experimental results on a wide range of images are shown.     

基于二维纹理样本的方向场引导的体纹理合成

提出一种考虑方向场的体纹理合成新方法.在二维纹理样本中搜索邻域,采用优化的邻域匹配算法逐个合成体素;在匹配二维纹理样本像素邻域和体素邻域时,考虑各体素上的方向,生成各向异性体纹理,并允许采用各向异性的二维纹理样本获得满意的合成结果.方向场可由过程式方法生成,也可由三维医学数据处理而得.实验结果表明,从动物的弥散张量图像得到的方向场能有效地合成真实的动物肌肉纹理,为计算机图形学提供了一种新的肌肉建模手段.     

基于Ashikhmin和Kong纹理合成算法的改进方法

Ashikhmin和Kong等人分别于2001年和2002年提出的纹理合成算法是当今典型的两种纹理合成算法,虽然前者对大部分自然纹理合成有不错的效果,但对变化较平缓的纹理合成效果不佳,而后者在合成时的时间复杂度较高.在上述两种算法的基础上,结合其优点,提出了一种把搜索范围限制在当前决的邻域的新的合成算法,并取得了理想的效果.     

纹理的标准性和强标准性纹理的快速识别及合成

分析了纹理合成中时间开销最大的匹配过程,发现了对一类具有特征任意匹配性纹理,可以大大降低匹配精度甚至忽略匹配过程,从而加快纹理生成速度．通过对这类纹理特性的概括,引入了纹理标准性概念,利用可变尺度滑动窗口的灰度距离对标准性进行度量;并结合大量统计结果,给出纹理标准性区分标准,对强标准性纹理使用低精度的匹配或零搜索来合成纹理．实验结果证明,文中对于强标准性的纹理区分可靠有效,生成纹理的速度大大提高,且质量无明显降低．     

基于颜色-纹理特征的目标跟踪

针对传统的基于颜色特征目标跟踪算法在一些复杂场景中存在的跟踪不稳定性,提出一种基于颜色 纹理特征的目标跟踪算法;在传统的基于颜色Mean shift的目标跟踪算法中加入纹理特征,在提取目标颜色特征的同时提取目标的纹理特征,并且采取串接原则,在搜索目标新位置时仍然沿用传统的基于颜色的均值漂移跟踪算法,但在每一次迭代过程搜寻目标最佳的位置点即特征相似最大的区域时,利用纹理特征来实现,并且采用八邻域搜索法（候选区域周围扩大八个大小相等的区域）来解决部分遮挡的问题。通过对比实验表明,该算法在复杂场景中表现出的实时性和鲁棒性较好。关键词：     

块尺寸自适应的Tile纹理合成算法

针对Wang Tiles纹理合成算法中样图信息利用不完全、所制作的Tile中心处有明显接缝,以及Tile拼接时拐角处不完全匹配等问题提出了一种改进的纹理合成算法。分析给定的纹理样图,得到适当的纹理块长度,按照该长度从纹理样图中提取4个菱形纹理块,生成Tile初始框架;从样图中选择与Tile初始框架尺寸相同的纹理块作为替代纹理块,与Tile初始框架重叠放置,求取最佳缝合路径,从而制作Tile;通过一系列Tile拼接生成最终的输出纹理。实验结果表明,该算法制作的Tile有很好的视觉效果,同时对各类型纹理该算法都能取得一个较好的纹理合成效果。     

结合分水岭的纹理梯度各向异性图像分割

目的 目前,许多图像分割算法对含有丰富纹理信息的图像的分割效果并不理想,尤其是在不同纹理的边缘信息的保持方面。为了解决这一问题,提出一种基于连续纹理梯度信息的各向异性图像分割算法。方法 在分水岭算法的基础上,引入纹理梯度各向异性算法,能够在避免纹理信息影响分割效果的前提下,最大限度地保证纹理边缘信息的完整。针对纹理特征数据敏感的特性,本文将离散的图像高度信息映射到连续的纹理梯度空间,能够有效减少由细小差异造成的过分割现象。结果 本文方法在BSD500 Dataset和Stanford Background Dataset中选择了大量的纹理信息丰富的图片与最新的分割算法进行了实验与对比。本文方法在分割效果（降低过分割现象）、保持边缘信息和分割准确率等方面均获得明显改进,并在图像分割的平均准确率方面与最新算法进行比较发现,本文算法的平均分割准确率达到90.9%,明显超过了其他最新算法,验证了本文方法的有效性。结论 本文提出的基于分水岭的纹理梯度各向异性算法对纹理图像的分割具有保边和准确的特点,采用连续梯度空间的方法能够有效地减少传统分水岭算法的过分割现象。本文方法主要适用于纹理信息丰富（自然纹理和人工纹理）的图片。     

块纹理合成中纹理块尺寸自适应算法

分析了块纹理合成方法中纹理块尺寸对合成结果的影响,经过对大量不同类型纹理图像采样,归纳并验证了纹理相关性特征值与纹理块尺寸之间的关系,得出纹理相关性特征值自适应调整纹理块尺寸的算法.采用该算法可避免因纹理块尺寸选取不当而引起的合成时间的增加和合成质量的降低.