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。     

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.     

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。     

基于邻域子块相关的快速纹理合成

提出一种新的基于邻域子块相关的快速纹理合成方法,通过预处理,在合成过程中利用邻域子块的相关性,把搜索范围限制在当前块的邻域,与基于块抽样的纹理合成算法相比,时间复杂度从O(M×N)降至O(M),并且对于一幅输入纹理合成不同大小的输出纹理,只需对输入纹理进行一次预处理。实验结果表明,对于广泛存在的真实纹理,邻域子块的相关能更好地描述纹理的特征,合成出视觉效果上更优的输出纹理。     

螺旋线轨迹在纹理合成算法中的应用

本文在MRF模型和已有块拼贴算法的基础上,根据纹理的邻域相关性以及匹配点的位置分布在上次合成匹配点邻域的概率较大这一特点,直接选取前一匹配块的相邻块为待选最佳匹配块,使算法能够快速地采样到最优匹配块,并能较好的保持合成纹理的邻域相关性;同时,采用螺旋顺序逐块合成纹理,能够加强对合成过程的约束,克服了合成过程中不连续区域的出现。本文算法较好的维持了样本图的结构特征,在保证纹理合成质量的同时,能够有效的减少算法的计算量。     

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.     

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。     

分类与邻域相结合的分形图像压缩方法研究

分形图像压缩是通过消除数字图像各局部块分形特征(自相似性)的自相似冗余来达到压缩目的的.常见的均值分类法存在搜索时间太长的问题,而邻域搜索法则存在较为明显的方块效应.经分析均值分类法和邻域搜索法存在问题的原因,并提出了由两种方法相结合的分形图像压缩算法.算法首先将定义域块和值域块按各自的均值大小分为平坦块和边缘块;然后依据每个值域块均值的大小判断采用邻域搜索法或均值分类法进行最佳匹配块的搜索.实验表明,分类-邻域搜索算法能在保证恢复图象质量的同时减少编码时间和方块效应.     

改进转动惯量特征的快速分形图像编码算法

全搜索分形图像编码过程特别耗时的原因在于,每个range块都需要在一个很大的domain块池里寻找最佳匹配domain块。为了改进这个缺点,重新定义了图像规范块的转动惯量特征,证明了它与匹配均方根误差间的关系不等式,据此提出了一个限制搜索范围来加快编码过程的算法：一个待编码range块的最佳匹配块搜索范围仅在与它的转动惯量特征值相近的domain块的邻域内搜索,邻域半径的大小由预先设置的误差阈值来确定。三幅图像的仿真结果表明,它确实能够在不降低解码图像质量的情况下,通过减少搜索范围达到了平均加快全搜索分形编码算法的编码速度26倍左右（误差阈值为10）,且也优于转动惯量算法和三均值特征算法。     

基于局部约束邻域嵌入的人脸画像照片合成

针对画像块和照片块在流形上的邻域关系并不能完全反映彼此内在数据结构的问题,提出一种基于局部约束邻域嵌入(LCNE)的画像-照片合成算法。首先,利用基于邻域嵌入(NE)的合成方法得到待合成照片或画像的初始估计;其次,根据待合成的照片块或画像块与训练集中的照片块或画像块的相似性来约束合成权值;然后,通过交替优化方法进行权值的确定和K-近邻的选择,并更新待合成目标块;最后,合并所有估计的照片块或画像块合成目标图像。与基于邻域嵌入的画像照片合成方法相比,所提方法合成图像的结构相似度提高0.0503,脸识别准确率提高14%。实验结果表明,该方法解决了基于NE方法导致的邻域之间兼容性不强的问题,能大大减少合成图像上的噪声及变形。     

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.     

Wei-Levoy纹理合成算法的搜索带加速方法

Wei和Levoy于2001年提出的纹理合成算法是当前典型的基于样图的纹理合成算法之一，但该方法存在算法实现复杂、使某些纹理的合成质量大大降低等缺点。文章提出了一种新的通过设置搜索带减小搜索范围的方法对Wei-Levoy纹理合成算法进行加速，并取得了理想的效果。     

非均匀三维查找表的快速查找技术

利用四面体插值算法进行色彩校正时,通过样本集直接建立起来的三维查找表往往是不均匀的,为了生成符合ICC规范的Profile,必须通过插值得到均匀的Profile数据。在均匀化过程中,耗时最严重的是如何准确定位插值颜色点所在的四面体。从数据的邻域相关性,除了基于历史的局部搜索法,同时从粗定位和细定位角度提出了基于辅助表的快速定位算法。实验结果证明任何一种加速算法都有效缩短了Profile数据生成的时间,同时结合两种加速算法的效果更佳。     

Multiscaled Texture Synthesis Using Multisized Pixel Neighborhoods

Most recent efforts in texture synthesis have focused on using local statistics - that is, selecting and stitching the textures from an input texture sample on the basis of a local color match to enforce textural features either pixel by pixel or patch by patch. A novel texture synthesis method produces high-quality results by introducing a multiscaled texture similarity measurement. Compared with other multiscaled methods, this approach focuses on measuring texture properties at different scales ranging from local to global using an adaptive similarity metric that accounts for texture variations across different image regions     

Geometry Texture Synthesis Based on Laplacian Texture Image

In this paper, we present a new method to synthesize geometric texture details on an arbitrary surface from a sample texture patch. The key idea is to use Laplacian texture images to represent geometric texture details, which in turn facilitate simple and effective geometry texture synthesis and enable flexible geometry texture editing. Given a sample model and a target model, we first select a patch from the sample model and extract the geometric texture details. Next, we construct a Laplacian texture imag...     

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．     

Recovering 3D motion of multiple objects using adaptive Houghtransform

We present a method to determine 3D motion and structure of multiple objects from two perspective views, using adaptive Hough transform. In our method, segmentation is determined based on a 3D rigidity constraint. Instead of searching candidate solutions over the entire five-dimensional translation and rotation parameter space, we only examine the two-dimensional translation space. We divide the input image into overlapping patches, and, for each sample of the translation space, we compute the rotation parameters of patches using least-squares fit. Every patch votes for a sample in the five-dimensional parameter space. For a patch containing multiple motions, we use a redescending M-estimator to compute rotation parameters of a dominant motion within the patch. To reduce computational and storage burdens of standard multidimensional Hough transform, we use adaptive Hough transform to iteratively refine the relevant parameter space in a “coarse-to-fine” fashion. Our method can robustly recover 3D motion parameters, reject outliers of the flow estimates, and deal with multiple moving objects present in the scene. Applications of the proposed method to both synthetic and real image sequences are demonstrated with promising results     

基于SVM预分类学习的图像超分辨率重建算法

针对一般基于范例学习超分辨率重建算法的图像块误匹配和运算复杂度高等问题,提出了一种基于支持向量机预分类学习的算法。通过在匹配搜索前使用SVM筛选出与重建目标图像颜色特征相似的样本子库,保证了精确匹配搜索过程中样本块与输入低分辨率图像块内容之间的相关性,大大减少了误匹配现象,从而提高了图像重建质量。实验结果表明,算法的重建效果优于基于范例学习的算法,并在保证重建精度的前提下有效提高了算法运行速度。     

基于运行时纹理合成的纹理画刷

纹理画刷是一种交互式纹理生成工具,能够在用户控制下生成所需要的纹理.本文提出了一种基于运行时纹理合成的纹理画刷实现算法.纹理合成采用逐块合成的方式,每次将整个样本图以选定的位移放置到合成图中,然后用Graph Cut来决定最终的输出区域.在预处理过程中计算得到两个相同样本图间的最佳切合位移集合,在合成过程中,贴块位移搜索范围限定在由此集合及用户控制所决定的一个很小的范围内,使合成速度达到实时.另外通过对"孤立块"采取"虚拟贴块法"选取贴块位移,较好地保持了画刷所生成纹理的一致性.实验结果表明该纹理画刷的纹理生成速度满足与用户交互的需求,且生成纹理的质量高.