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。     

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.     

基于微粒群算法的纹理合成图像修补方法

提出了一种基于微粒群算法（PSO）的纹理合成图像修补方法。针对基于块的纹理合成算法中常用的匹配块全搜索效率低下的问题,对候选区域采样确定初始微粒,利用PSO算法搜索得到最优匹配块。实验结果表明了方法的有效性。     

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。     

多种子快速纹理合成

为避免纹理映射引起的接缝和扭曲,近几年人们提出了一些纹理合成方法。但大多数只能处理部分纹理,而且相当费时,为此,提出一种新的纹理合成算法,该算法在样图中选取多个种子,并将其预置到合成图中作为实始匹配点,然后通过螺旋状路径,在初始匹配点领域搜索寻找新匹配点进行合成,以此循环,直至合成图充满为止,该方法大大加快了合成速度,与穷尽搜索法相比,合成速度平均可以提高360倍,特别是在亮度空间合成时,在合成图象质量与RGB空间结果基本相同的情况下,可以实现进一步加速,另外,该算法还可合成沿方向变化的纹理,对不同纹理进行合成实验,其结果令人满意。     

一种新的纹理合成算法

本算法以马尔可夫随机域(Markov Random Field)模型合成纹理,使用图象金字塔(Image Pyramid)的方法,以一个样本纹理图象作为输入,在样本纹理图象中随机抽取一块很小的区域作为合成纹理图象的种子区域,在种子区域的边缘按照螺旋顺序合成.在合成纹理图象的每个像素时,通过候选列表搜索、全局搜索和中心搜索相结合的方法,在候选列表搜索和全局搜索中使用不同大小的邻域搜索其匹配点,能够快速准确地找到最优的匹配点.实验表明,这种算法对于大多数纹理都能取得很好的效果.     

应用PSO的快速纹理合成算法

应用PSO的快速纹理合成算法是一种高效的纹理合成算法,应用粒子群优化(PSO)算法对基于块采样的纹理合成算法的搜索匹配过程进行了改进,改变了原算法的全遍历搜索过程,在不影响合成质量的前提下加快了合成速度．本算法对于按序和随机的各种应用都能在一台中等的PC机上几秒内合成高质量的纹理．并对算法执行中的粒子数、迭代次数对合成速度和合成效果的影响进行了详细的分析．     

基于QPSO的纹理合成算法

针对PSO算法搜索空间有限,容易陷入局部最优点的缺陷,提出一种以块算法为基础,量子粒子群优化算法（QPSO）为优化策略的纹理合成方法。实验结果表明,与标准PSO算法相比,由于量子粒子群优化算法（QPSO）显著的全局收敛性,这种新型的纹理合成方法,使最后的合成图像中采样块结合处更流畅,纹理更细腻。     

一种基于曲面纹理合成的改进方法

舒恒等人在2007年提出一种新的纹理合成算法,虽然对大部分曲面纹理合成有不错的效果,但合成时会出现大量的约束面,搜索匹配约束面会耗费很多的时间,本文采用人工智能中的粒子群算法（PSO）搜索约束面,在保证合成质量的基础上,大大提高了合成速度,达到实时的效果。     

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.     

基于多分辨率的纹理合成加速算法

为提高样图纹理合成速度,提出一种基于多分辨率的纹理合成加速算法,通过提高纹理合成寻找最优图像块的速度,实现整体算法的加速。在不影响图像合成质量的前提下,能够有效提升纹理合成的效率。实验结果表明,将该算法用于虚拟植物可视化中,可以构造出具有较高仿真度的植物器官。     

基于方向经验模型分解的纹理合成

提出的纹理合成算法首先将样本纹理通过方向经验模型分解求得其固有方向;然后在该方向上进行方向经验模型分解,获得一系列分解图像;在各级图像上应用方向经验模型分解提取出的特征值来搜索匹配块,采用相关搜索来完成各级图像的合成;将其进行合并,得到在该方向上的合成图像;最后沿固有方向进行逆旋转变换,得到最终的合成结果.实验结果表明,该算法不仅合成质量高,而且简单、快速.     

基于相关性和小波变换的纹理合成算法

提出一种快速的纹理合成方法,采用小波变换对原样图分解,只在分解后的低频部分进行最佳匹配块的搜索,使合成速度得到了很大提高;同时,在合成过程中利用邻域块的相关性,把搜索范围限制在当前块的邻域,避免了对样图的穷尽搜索。结果表明,该算法在很大程度上减少了合成时间。     

艺术风格学习

提出一种基于实例的非真实感图像绘制算法，该算法利用两种纹理合成的基本方法，通过参数调整控制匹配点在结构与细节间的倾向性，把输入样图中的绘画风格传输到目标图片中，实现了自动绘画功能，另外，还提出一种搜索算法，该算法可以在大地加快纹理合成速度，实验证明文中算法十分有效。     

Synthesis of Color Textures for Multimedia Applications

An algorithm for synthesizing color textures from a small set of parameters is presented in this paper. The synthesis algorithm is based on the 2-D moving average model, and realistic textures resembling many real textures can be synthesized using this algorithm. A maximum likelihood estimation algorithm to estimate parameters from a sample texture is also presented. By combining the estimation and synthesis algorithms, a color texture can be synthesized from a sample texture without human intervention. Using the estimated parameters, a texture larger than the original image can be synthesized from a small texture sample. The synthesis algorithm does not require an expensive iterative algorithm, and the quality of synthesized textures may be acceptable for many multimedia applications. In the experiment, various textures suitable for multimedia applications are synthesized from parameters estimated from real textures.