中国水墨画的基本艺术特征及其计算机仿真实现

为了实现中国水墨画的计算机仿真 ,通过对中国水墨画艺术效果中 ,笔、水、墨、纸的特性及相互影响制约因素的分析 ,将中国水墨画绘画过程“量化”、“标准化”,使得这一过程具有可控性和可预见性 .通过抽取体现水墨画特征的典型艺术效果 ,对中国水墨画中诸如 :笔法、纸张等进行大胆的归类 ,让其减少到可控的少数几种之内 ,并对感性的艺术效果进行了数字化定义 .在上述分析的基础上 ,建立了一个专门用于模仿水墨画效果的三维纸纤维模型 ,并在此基础上实现了对单笔水墨画效果的计算机仿真 .最后还将纸纹理的干扰作用考虑进去 ,从而使得仿真效果更加多样、更加真实 .     

基于Visual C++的着色问题的回溯算法设计

着色问题是一个古典的问题,该文对着色问题的回溯算法进行了分析,用Visual c++实现该算法.     

基于深度学习的水墨画极速风格迁移

介绍了基于深度学习的极速风格迁移技术,将现实拍摄到的画面转换成中国传统绘画中的水墨画的过程.讲解了极速风格迁移的网络模型结构、损失函数和具体的实现流程,并且讲述了量化后的Lite模型部署到安卓移动端进行水墨画转换的使用方式及效果.     

基于着色Petri网的Web合成服务会话协议

基于着色Petri网的会话协议不仅能准确地描述Web服务的业务流程特征,而且具备强大的数据承载能力。该文以BPEL4WS语言为例,在对Web服务特性进行分析的基础上,给出了基于着色Petri网的会话协议以及相应的Web合成服务设计方法。通过这种框架,可以运用成熟的Petri网技术,对Web服务模型进行进一步的分析和验证,以提高服务的正确性和可靠性。     

基于柏林噪声的中国水墨画仿真算法

为了实现中国水墨画的计算机仿真,基于对水墨画感性艺术效果的分析,提出了基于柏林噪声的中国水墨画仿真算法。该算法运用柏林噪声的基本理论,通过构造随机噪声函数、插值干扰函数等方法来实现水墨画的特征效果。仿真结果证明该算法较成功地模拟了中国水墨画的典型艺术效果。     

基于流体力学的数字水墨书画系统的研究与设计

该文在Curtis的研究基础上,提出了水墨粒子运移、传输的三层模型,并将流体动力学理论引入水墨粒子在浅水层、墨粒沉积层以及毛细作用层的运移和传输规律的研究,通过Helmholtz-Hodge分解,求解基于Navier-Stokes偏微分方程组的水墨运动模型。以此作为理论基础,设计实现了一个交互式的数字水墨书画系统。实验结果表明,最后形成的仿真效果,水墨画韵味真实。     

数字水印技术研究

随着计算机网络通讯技术和多媒体技术的发展,数据的交换和传输变得简单快捷,但随之而来的弊端是作品的版权得不到保护,因此数字水印技术得到越来越广泛的应用。该文对信息隐藏技术进行了介绍,重点分析了数字水印技术的系统模型、典型算法及在P2P安全上的应用。     

基于卷积神经网络的中国水墨画风格提取

针对使用卷积神经网络对中国水墨画风格进行学习的过程进行了探讨。首先,分析了VGG19神经网络模型的框架结构,并探讨了如何使用VGG19模型提取艺术风格,并和普通风景图像融合的过程;然后,在理论的基础上,依据中国水墨画的实际特点,通过实验分析寻找合适的卷积层处理内容图像,以及寻找最优的叠加组合对水墨画特征进行提取,并提出了评价图像质量的可视化准则;最后,通过调整内容图像和风格图像的比例系数,得到了符合预期目标的图像,验证了理论的可行性,提出了新的中国水墨画风格图像的风格提取方法。     

基于反相灰度叠层的风景水墨画仿真算法

在艺术效果仿真算法中,中国水墨画的仿真是一个有挑战性的研究课题。为实现山水风景图像的水墨效果仿真生成,提出基于灰度层反相叠加的水墨画仿真算法。算法首先运用直方图规定化方法实现图像的8阶灰度转换,并将各灰度区域分解成层,在真实墨迹特征分析的基础上对各层"墨区"进行墨迹仿真,最后通过灰度层的反相叠加实现由远及近、由浅入深的水墨画逐层仿真模拟。实验证明,该方法生成的风景水墨图具备了水墨画应有的形态和特征,取得了一定的仿真效果。     

基于DEM的雷达地杂波仿真

地杂波仿真是雷达仿真系统的重点和难点.文中研究了基于高程数据模型的地杂波仿真问题.对利用分形算法产生随机地形的高程数据做了简要概述,并说明了如何对高程数据做平滑处理和着色.在高程数据的基础上,把地面分割成很多散射特性已知的简单的几何散射面单元,详细讨论了利用雷达方程和解析几何的思想计算每个单元的地杂波的功率,然后采用叠加原理对各个单元的功率进行叠加,实现整个地面的地杂波的计算,最后利用OpenGL技术进行着色和显示.上述方法的实验结果取得预期效果,基本符合工程需要.     

局部自适应的灰度图像彩色化

目的 现有的灰度图像彩色化方法为了保证彩色化结果在颜色空间上的一致性,往往采用全局优化的算法,使得图像边界区域易产生过渡平滑现象。为此提出一种局部自适应的灰度图像彩色化方法,在迁移过程中考虑局部邻域像素信息,同时自动调节邻域像素权重,在颜色正确迁移的同时保证清晰的边界信息。方法 首先结合SVM（support vector machine）和ISLIC（improved simple linear iterative clustering）算法获取彩色图像和灰度图像分类结果图;然后在分类基础上,确定灰度图像高置信度像素点,并根据图像纹理特征,在彩色图像中寻找灰度图像的像素匹配点;最后利用自适应权重均值滤波实现高置信度匹配像素点的颜色迁移,并利用迁移结果对低置信度像素点进行颜色扩散,以完成灰度图像彩色化。结果 实验结果显示,本文方法获得的彩色化迁移结果评分均高于3.5分,特别是局部放大区域评价结果均接近或高于4.0分,高于其他现有彩色化方法评价分数。表明本文方法不仅能够保证颜色迁移的准确性和颜色空间的一致性,同时也能获取颜色区分度高的边界细节信息。与现有的典型灰度图像彩色化方法相比,彩色化结果图在颜色迁移的正确性和抑制边界区域颜色的过渡平滑上都有更优的表现。结论 本文算法为灰度图像彩色化过程中抑制颜色越界问题提供了新的指导方法,能有效地应用于遥感、黑白图像/视频处理、医学图像着色等领域。     

一种基于拉普拉斯方程的图像彩色化方法

黑白图像的彩色化是图像处理领域一个活跃的、有挑战性的研究课题。在总结现有图像彩色化方法的基础上，分析了彩色化由局部向全局扩展的本质，进而提出了一种通过求解拉普拉斯方程实现颜色扩展的彩色化方法。为提高边界定位能力，设计了加权形式的差分方案。与同是采用偏微分方程的Saprio彩色化方法相比，该方法与其控制颜色扩展的机制不同，图像彩色化效果要明显优于Saprio方法。     

基于p-Laplace方程的图像彩色化方法

灰度图像的彩色化是图像处理研究领域中富有挑战性的研究课题,且具有十分广阔的应用前景。在分析现有图像彩色化方法的基础上,提出了一种基于p-Laplace方程的图像彩色化新方法。新方法首先由用户在灰度图像上给定少量的颜色条带;然后通过求解p-Laplace方程实现颜色扩散的彩色化。由于p-Laplace算子是一个各向异性扩散的非线性算子,所以与采用偏微分方程方法的泊松方法和拉普拉斯方法相比,图像彩色化在扩展颜色的同时更能保持边缘效果。     

局部线性嵌入与模糊 C-均值聚类的红外图像彩色化算法

针对红外图像彩色化处理后清晰度低、色彩不够自然等问题,将改进后的局部线 性嵌入算法(LLE)算法引入到红外图像彩色化应用中,提出了一种 LLE 与模糊 C-均值聚类的红 外图像彩色化算法。首先通过扩大邻域范围和添加权重信息等方法改善了 LLE 算法敏感于稀疏 矩阵的缺陷,在红外和彩色模板像素矢量化空间中,利用最近邻搜索计算最佳匹配系数,经彩 色值计算将彩色模板中的颜色映射到红外图像特定区域,完成模板彩色与红外目标图像的颜色 传递。利用改进后的模糊 C-均值聚类对彩色化后的红外图像进行颜色聚类,在颜色聚类集上利 用直方图均衡化进行分段颜色均衡处理,最后将均衡化后的图像合成。将本算法与其他两种红 外彩色化算法进行仿真对比,实验结果表明,与其他两种算法相比,提出的红外图像彩色化算 法在仅仅利用目标红外图像和彩色模板下就能获得图像较为清晰、目标突出的彩色化结果。     

勾画式局部颜色迁移

图像之间的颜色传输有效地利用了图像的基本统计信息.提出一种基于图像的简单统计信息和梯度域信息的局部颜色迁移算法,其中提供了简单易用的操作界面,在迁移过程中能够保持源图像的颜色细节;将其推广到灰度图上色问题,可有效地提高上色速度.实验结果表明,该箅法较好地实现了源图像和目标图像的局部区域颜色对应,生成具有较好视觉效果的真实自然的新图像.     

基于前景语义信息的图像着色算法

图像可分为前景部分与背景部分,而前景往往是视觉中心。在图像着色任务上,由于前景的类别多且情况复杂,着色困难,以至于图像中的前景部分会存在着色暗淡和细节丢失等问题。针对这些问题,提出了基于前景语义信息的图像着色算法,以改善图像着色效果,达到图像整体颜色自然、内容颜色丰富的目的。首先利用前景子网提取前景部分的低级特征和高级特征;然后将这些特征融合到全景子网训练中,以排除背景颜色信息影响并强调前景颜色信息;最后用生成损失和像素级别的颜色损失来不断优化网络,指导生成高质量图像。实验结果表明,引入前景语义信息后,所提算法在峰值信噪比（PSNR）和感知相似度（LPIPS）上有所提升,可有效改善视觉中心区域着色中的色泽暗淡、细节丢失、对比度低等问题;相比其他算法,该算法在图像整体上取得了更自然的着色效果,在内容部分上取得了显著的改进。     

基于色彩传递与扩展的图像着色算法

色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。     

基于变分法和偏微分方程的图像彩色化方法

针对传统的图像彩色化算法易产生的图像边缘颜色模糊等问题,提出一种基于变分法和偏微分方程的图像彩色化算法,结合整体变分(TV)模型和金兹堡一朗道(GL)模型的特点,通过求泛函极值建立偏微分方程,使图像的光滑区域和边界区域都能有效的实现颜色扩散,对偏微分方程进行数值求解得到彩色化结果.实验结果表明,与其它偏微分方程彩色化技术相比,该方法能得到清晰自然的彩色化图像和较高的图像质量.     

Colorization in YCbCr color space and its application to JPEG images

This paper presents a colorization method in YCbCr color space, which is based on the maximum a posteriori estimation of a color image given a monochrome image as is our previous method in RGB color space. The presented method in YCbCr space is much simpler than that in RGB space and requires much less computation time, while both methods in YCbCr and RGB space produce color images with comparable PSNR values. The proposed colorization in YCbCr is applied to JPEG compressed color images aiming at better recovery of downsampled chrominance planes. Experimental results show that colorization in YCbCr is usually effective for quality improvement of JPEG color images.     

基于KNN图层区分的优化式着色算法

针对灰度图像彩色化技术应用于彩色图像二次着色时往往忽略掉原始图像所带的色彩信息的问题,提出了一种基于[KNN]图层区分的优化式着色算法。与现有的优化式着色方法相比,该方法一方面采用基于[KNN]的图像前背景区分算法获得图层区分的图像,生成新的权值函数;另一方面将图层区分结果引入优化式着色方法,并对图像着色。实验结果表明,算法能有效解决物体边界处发生颜色渗漏的问题,得到颜色分布精确的图像。在相同输入前提下,算法可以得到更好的着色结果。