基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

基于人工蜂群的D-Tile纹理合成算法

基于块的纹理合成通过拼接给定纹理样图中的纹理块来合成纹理。其主要思想是从给定纹理样图中选取一组纹理块,将这些纹理块按照某种方式进行拼接得到最终的输出纹理。基于人工蜂群的D-Tile纹理合成算法首先引入人工蜂群算法的思想,选择出边界像素差异性较小的4个正方形纹理块来制作D-Tile,用边界差异性较小的纹理块进行拼接能够降低D-Tile内部缝隙的明显程度,选择正方形纹理块则增加了对样图角部信息的利用;其次,4个正方形纹理块有重叠拼接,分别连接对角线,取中心菱形纹理块作为D-Tile初始框架,该框架的选取能够避免D-Tile拼接时存在的拐角不匹配问题;最后,D-Tile按照边界颜色匹配的原则进行无缝拼接,最终实现纹理合成。实验结果表明,该算法对于各类型纹理的合成都有一个良好的视觉效果。     

应用粒子群优化算法的混合纹理合成*

应用粒子群优化算法作为像素寻优策略,应用于多样图纹理合成算法中,将群智能中经典的粒子群优化算法引入到纹理合成领域。应用粒子群优化多样图纹理合成方法是传统的基于像素纹理合成方法和基于块的纹理合成方法的折中,除能大大提高多样图纹理合成的速度,样图的质量也得到了很大改善。实验证明,该算法有效解决了徐晓刚混合纹理合成中输出纹理出现的条痕问题。     

基于约束的多样图纹理设计与合成算法

提出了多样图纹理设计的概念,将块拼贴纹理合成方法和点匹配纹理合成方法相结合合成纹理图案。利用块拼贴合成方法合成背景及一些前景的部分,避免了基于点的纹理合成所产生的条带化、模糊等现象。同时,采用点匹配的合成方法合成一些前景及一些前景的部分,解决了块拼贴在小区域覆盖到其他区域的问题,并且利用图像平滑技术,使拼接处自然过渡。由于采用了以上两个算法相结合,在合成速度上已经大大超过了徐晓刚约束多样图纹理合成算法。     

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。     

可控的连续多尺度纹理合成

针对同一幅合成图像的不同区域间,如何实现纹理图案的多尺度连续变化,提出一种基于像素的多尺度纹理合成算法。在逐像素点合成的基础上,通过为已知匹配点建立一个到连续的多分辨率样图的正向映射,并重新采样合成像素点,实现合成结果的任意尺度连续渐变的可控性。实验证明该方法不增加大量的处理时间,并可适用于大多数基于样图的逐点合成方法。     

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。     

基于以像素块计算L2距离的块纹理合成

在基于MRF模型的块纹理合成中,计算两纹理块之间的L2距离和寻找最佳纹理匹配块都是非常耗时的过程。计算纹理块之间的L2距离是纹理合成中的瓶颈问题,制约着纹理合成的速度。针对合成速度问题提出一种新的基于以像素块计算两纹理块之间L2距离的块纹理合成方法。在计算两纹理块之间L2距离时不逐个像素点地进行计算,而将多个像素点视为一个像素点进行计算,极大地提高了计算两纹理块间L2距离的速度。该方法可以在几乎不影响图形合成质量的前提下,将纹理合成的速度提高数倍甚至更高。     

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。     

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.     

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。     

一种改进的非局部均值去噪算法*

针对非局部均值去噪算法在图像块相似度计算方面存在的不足,提出计入图像旋转对相似度贡献的、效果更好的图像块匹配算法.为了获得与给定像素点邻域相似的图像子块,首先对给定像素点周边的相关邻域子块按灰度值大小排序,计算其与同样按灰度值大小排序的给定像素点邻域子块之间的距离,据此筛选出灰度分布相似的图像子块作为候选集,更进一步在候选集中选出结构上更为相似的图像子块.同时为了克服噪声影响,在计算子块相似度之前对输入图像进行预滤波处理.实验表明,与原始的非局部均值去噪算法相比,文中算法在峰值信噪比、平均结构相似性及主观视觉效果等方面均具有一定优势,特别是在噪声较大时,文中算法的去噪效果更好.     

一种基于边缘检测的局部阈值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法.该方法将整幅灰度图像分成小块,在每个小块中利用梯度算子对小块中的边界点进行检测,寻找出小块内的所有边界点;然后沿着这些边界点的梯度方向找出最临近的点,以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割.该算法计算复杂度较低,避开了灰度直方图阚值分割方法中“谷底”难以确定的问题,同时照顾到了图像的局部灰度特性.     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。     

基于Hadoop的超像素分割算法

针对高分辨率图像像素分割时间复杂度高的问题,提出了超像素分割算法。采用超像素代替原始的像素作为分割的处理基元,将Hadoop分布式的特点与超像素的分块相结合。在分片过程中提出了基于多任务的静态与动态结合的适应性算法,使得Hadoop分布式文件系统（HDFS）的分块与任务分发的基元解耦;在每一个Map节点任务中,基于超像素分块的边界性对超像素的形成在距离和梯度上进行约束,提出了基于分水岭的并行化分割算法。在Shuffle过程的超像素块间合并中提出了两种合并策略,并进行了比较。在Reduce节点任务中优化了超像素块内合并,完成最终的分割。实验结果表明.所提算法在边缘查全率（BR）和欠分割错误率（UR）等分割质量指标上优于简单线性迭代聚类（SLIC）算法和标准分割（Ncut）算法,在高分辨率图像的分割时间上有显著降低。     

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。     

一种快速的彩色图像置乱算法

提出一种彩色图像置乱算法,无须迭代计算即可得到加密图像。通过移位初步打乱行列像素间的相关性,在移位过程中,不同颜色分量采用不同移位参数,用分存方法提高安全性能。将图像分块,根据像素块内位置选择异或操作数,用异或操作改变像素值。理论分析和实验结果表明该算法有效可行、安全性好、速度比Arnold变换快。     

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.