粉笔画艺术风格模拟

目的 对不同艺术风格的模拟和绘制是非真实感绘制技术的主要任务之一,目前非真实感绘制技术已对油画、水彩画、中国书法等国内外艺术风格进行了模拟,然而对粉笔化艺术风格的模拟方法并不多见。本文提出了一种基于滤波扩散和线积分卷积（LIC）的粉笔画艺术风格绘制技术。方法 首先输入2维目标图像,通过对目标图像二值化处理、边缘提取操作,获得连续、光滑的边缘信息,并采用滤波扩散技术对边缘图像进行扩散处理,模拟粉笔画中笔划的毛糙效果,同时通过采用图像增强方法增强了笔划的细节信息;其次,由于真实粉笔画在创作时,粉笔颜料黏附在图像局部区域,形成具有方向的笔刷纹理效果,算法通过在目标图像中添加白噪声,基于线积分卷积LIC产生具有方向的粉笔画笔刷纹理,并通过形态学膨胀处理获得粉笔画的笔划纹理,模拟出粉笔画中笔划的笔触特征。再次,真实的粉笔画艺术效果往往在黑板、木材等材质中创作,算法将产生的笔刷纹理图像、色彩信息以及边缘图像通过图层映射方法,映射到黑板材质等输入背景图像中,产生最终的粉笔画艺术效果图像。结果 通过对输入2维图像进行实验,模拟出具有粉笔画艺术效果的结果图像,突出了粉笔画的线条细节信息和笔划艺术特征。结论 提出了一种粉笔画艺术效果模拟算法,非真实感绘制领域的有效补充,算法简单有效,能模拟出真实的粉笔画艺术效果,增强了艺术表现力。     

重要度引导的抽象艺术风格绘制

针对非真实感抽象绘制技术中可能存在的抽象程度整体趋于一致、缺少色彩层叠感的问题,提出一种自动的、基于图像重要度的抽象艺术风格绘制方法.首先通过梯度和显著度加权计算得到图像的重要度,并将该重要度引入抽象艺术风格绘制;在绘制过程中,为了保留图像的局部结构和方向特征,采用各向异性滤波平滑结构张量场,并沿张量场局部曲线方向进行积分卷积计算;最后采用改进的局部光照明Phong模型对抽象结果进行渲染,有效地突出不同光照条件下的艺术表现力,增强了艺术效果的色彩层叠感.实验结果表明,该方法能对图像局部区域进行不同程度的抽象,更好地保留图像中的局部细节和结构特征,更加符合格式塔理论,并可以产生具有色彩层叠感的抽象艺术效果.     

细节增强的水墨扩散模拟

水墨画是中国传统绘画的一种表现形式,具有悠久的发展历史.为了使得基于图像的水墨画绘制在体现水墨风格的同时,保留更多的必要细节信息,针对现有基于图像的水墨画渲染模型存在的不足,提出一种强化细节的水墨画扩散模拟算法.该算法人工设置水墨物理扩散的时间,以保证显著的水墨风格,同时增加了细节的增强处理;采用先进行图像分割、提取需要的细节信息,然后将细节信息与扩散后的图像进行加权合成,得到最终的效果图.实验结果表明,该算法通过强化关键细节信息使得水墨风格更接近实际创作的效果,且能增强画面的层次感.     

基于偏离映射的纹理传输算法研究

研究二维图像纹理传输问题,目前在二维纹理映射的传统算法中,主要通过基于纹理合成的传输算法实现纹理映射的效果.针对传统算法中基于纹理拼接导致迭代次数多、计算复杂度高的问题,为提高纹理映射的速度,提出了一种基于光照明模型实现纹理映射,产生纹理传输效果的算法.该算法主要采用Phong光照明模型对目标图像进行预处理形成虚拟表面,根据纹理图像和目标图像计算偏离映射角度,其次,参考图像的纹理特征根据偏离角度映射到目标图像中.实验结果表明,改进的纹理传输算法运行速度快,易于实现,避免了耗时的纹理合成计算,可针对局部目标区域进行局部映射,具有一定的实用性.     

一种高动态范围图像可视化算法*

提出的自适应HDR图像可视化算法中,输入图像被分解为基本层和细节层.该算法将整体明暗效果的显示看做整体问题,对表示亮度的基本层采用基于整体统计信息的直方图调整算法处理;可视细节信息的保持作为局部问题,算法采用自适应细节增强算法处理细节层.通过定义映射图对细节增强后的图像进行最终映射,将两方面结合起来得到最终结果.实验结果表明,该算法能对HDR图像进行较高视觉质量的显示.     

基于注意力机制的CycleGAN服装局部风格迁移研究

针对复杂背景下服装图像局部区域风格迁移难以控制及迁移后容易产生边界伪影的问题,提出一种基于注意力机制的CycleGAN服装局部风格迁移方法。通过VGG16网络分别提取服装图像的内容特征与风格特征,将其输入基于注意力机制的CycleGAN生成器中,应用注意力机制在复杂背景下的各个服装区域分配概率分布信息,获得注意力分布更多的区域及相关度更高的区域,并采用改进的损失函数校正边界伪影,对该区域进行风格迁移得到所需的风格迁移服装图像。实验结果表明,与CNN、FCN、BeautyGAN图像局部风格迁移方法相比,该方法不仅可以突出服装图像局部风格迁移效果,而且增强了图像细节,有利于提高输出图像的真实性和艺术性。     

非真实感铅笔画艺术效果研究

改进了非真实感铅笔画艺术效果的绘制算法,利用图像分割、线积分卷积技术确定线条纹理的方向,模拟得到局部区域铅笔画的笔划纹理。采用轮廓线增强、灰度色调控制最终铅笔画艺术效果的边缘信息和灰度色调。通过色彩传输技术得到具有彩色铅笔画的艺术效果。     

基于小波域信息融合的MSR改进算法

针对MSR(multi-scale Retinex)算法对雾天彩色图像增强时,不能同时有效地保持细节增强与色彩保真的问题,通过将基于小波变换域的信息融合策略取代MSR算法中线性加权策略,提出一种新的MSR改进算法。融合的基本思路是：首先将待融合图像经四层小波分解,然后将高频分量取绝对值最大值来突出图像的细节,低频分量采用基于局部方差的技术调节色彩,实现保真的效果。通过主观观测和客观评价表明：在对雾天图像进行增强时,MSR改进算法比传统的MSR算法在细节增强和颜色保真方面具有更好的效果。     

基于显著性分割的图像抽象化

图像抽象化的目的是增加具有特定目标的信息,并过滤掉一些不相关或不重要的信息。为进一步提高图像的卡通风格化效果,提出一种基于显著性分割的图像抽象化算法,增强前景物体区域的可视特征,同时去除背景区域的无关细节。采用频率调谐算法获得显著度图,利用Mean-Shift分割算法检测出整个前景区域,与双边滤波和基于流场的边缘检测结合获得抽象化图形,通过软量化方法使产生的风格化图像更具有层次感,并以此为基础对图像进行非均匀的抽象化处理。实验结果表明,该算法能够有效地产生前景特征增强的非真实感图像,使结果图像的前景主题更加突出。     

基于内卷特征提取和前景细节增强的图像协调化方法

在编辑合成图像时,前景区域与背景区域由于分属不同来源,外观通常存在较大差异,不能呈现真实的视觉效果。图像协调化主要消除合成图像的不真实感,通过将背景域的外观信息迁移到前景域中,使人眼尽可能少地感受差异。现有方法在将背景信息进行转移时,能触及到的背景范围有限,信息提取不充分使得图像协调效果不佳。同时,前景细节丢失会影响图像协调的整体效果。基于以上问题,提出内卷特征提取和前景细节增强模块,进行图像协调。在iHarmony4数据集上试验结果表明,该方法能生成细节更充分、真实感更强的图像效果。     

Gourd pyrography art simulating based on non-photorealistic rendering

Non-photorealistic rendering (NPR) is a field in computer science which can create effective illustrations and appealing artistic imagery. Some researchers have proposed NPR methods to simulate different artistic illustrations. However, simulating the new art styles remains extremely challenging. National pyrography is a very famous artistic work in China, and few algorithms have been put forward to illustrate this style. Some exist rendering methods can not demonstrate the main characters of the real pyrography, and the rendering speed is time-consuming using texture synthesis technique. This paper proposes a non-photorealistic rendering technique that automatically generates a gourd pyrography style from a 2D photograph. Similar to the existing exemplar-based methods, an input natural image is regarded as the foreground image, and an input gourd image is taken as the background image. To avoid time-consuming methods like texture synthesis or analogy, this paper simulates character of real pyrography through image abstraction and enhancement from the foreground image. The foreground image will be deformed using equilateral triangle mesh to match the gourd image and mapped to this background image. Experimental results demonstrate the effectiveness of our methods in producing gourd pyrography stylistic illustrations. Meanwhile, the proposed method is simple, fast, and easy to implement.     

基于分层图像融合的虚拟视点绘制算法

针对虚拟视点绘制过程中出现的重叠和空洞问题,提出一种新的虚拟视点绘制算法。通过形态学操作对三维图像变换后出现的空洞进行膨胀来消除伪影瑕疵,根据深度信息对左、右虚拟视点图像进行前景和背景分割,利用线性加权法对分割后的前景图像和背景图像进行分层融合解决像素重叠问题,对分层融合后的背景图像进行空洞填充并与前景图像融合得到虚拟视点图像。实验结果表明,与经典的Criminisi算法相比,该算法PSNR值提高了1.75 dB,具有较高的绘图质量。     

基于图像抠图技术的多聚焦图像融合方法

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题,提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先,通过聚焦检测获得源图像的聚焦信息,并根据所有源图像的聚焦信息生成融合图像的三分图,即前景、背景和未知区域;然后,利用图像抠图技术,根据三分图获得每一幅源图像的精确聚焦区域;最后,将这些聚焦区域结合起来构成融合图像的前景和背景,并根据抠图算法得到的确定前景、背景对未知区域进行最优融合,增强融合图像前景、背景与未知区域相邻像素之间的联系,实现图像融合。实验结果表明,与传统算法相比,所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度,在主观评价方面能有效抑制块明显效应,得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域,以期得到更优的融合效果。     

改进的二阶总广义变分图像前后景分割模型

针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平滑区域增强扩散,有效地消除噪声。为突出前景信息,用矩形框标出图像的前景信息,对框内部、外部和边缘的像素做距离映射,并根据能量最小化原则,在二阶TGV模型的数据项中引入此距离映射函数,使模型总能量更小。最后,提出了一种有效的原始对偶分割算法来求解模型。实验表明,新模型不但能够去除阶梯效应现象,保持图像的边缘信息,还使得模型总能量更小,分割得到的图像视觉效果更好。     

ForegroundNet：一种基于语义与动态特征的前景检测算法

针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭 代更新背景模型的前景检测深度学习模型ForegroundNet。ForegroundNet 首先通过骨干网络从 当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图 像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像 具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax 层进行二值分类, 得到最终检测结果。在CDNet 数据集上进行的实验结果表明,相比于当前F 值为0.82 的次优 方法,ForegroundNet 能够获得0.94 的F 值,具有更高的检测精度;同时ForegroundNet 检测速 度达到123 fps,具有良好的实时性。     

深度学习图像合成研究综述

图像合成一直是图像处理领域的研究热点，具有广泛的应用前景。从原图中精确提取出前景目标对象并将其与新背景合成，构造尽量接近真实的图像是图像合成的基本目标。为推动基于深度学习的图像合成技术研究与发展，本文论述了当前图像合成任务中面临的主要问题： 1）前景对象适应性问题，包括前景对象相对于背景图像的大小、位置、几何角度等几何一致性问题，以及前后景互相遮挡、前景对象边缘细节模糊的外观一致性问题； 2）视觉和谐问题，包括前后景色彩、对比度、饱和度等不统一的色调一致性问题，及前景对象丢失对应阴影的阴影缺失问题； 3）生境适应性问题，表现为前景对象与背景图像的逻辑合理性。总结了目前为解决不同问题主要使用的深度学习方法，同时对不同问题中的合成图像结果进行质量评估，总结了相应的评价指标，并介绍了为解决不同问题所使用的公开数据集，同时进行了深度学习方法的对比，描述了图像合成技术的主要应用场景，最后分析了基于深度学习的图像合成技术中仍然存在的不足，同时提出可行的研究意见，并对未来图像合成技术发展方向提出展望。     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

     

基于Kinect深度数据的视频艺术化处理

利用深度摄像机Kinect for XBOX360提取视频的深度信息来实现视频前景和背景的分离,并分别对视频前景和背景进行多风格的艺术渲染,从而获取更好的视频风格化定制效果。首先,系统利用Kinect深度数据实现视频前景的提取;然后在光流场指导下,利用基于纹理传输的方法对视频前景和背景进行不同风格的艺术化渲染;最后,将风格化后的前景视频和背景视频进行融合,从而得到最终的风格化艺术视频。另外,由于采用纹理传输的方式实现对视频的艺术化处理,因此用户可以选择不同的纹理样本来实现自定义的多风格艺术渲染。经过实验测试,前景和背景视频融合后生成的风格化视频取得了较好的艺术效果,从而证明了该系统具有较好的视频前景提取能力和视频风格化渲染能力。     

基于GPU加速的TIP技术

为加快TIP（Tour Into the Picture）的绘制速度,提出1种基于GPU（Graphics Processing Unit）的方法,充分利用GPU的运算能力,把背景纹理提取过程从CPU转移到GPU中进行,利用GPU固定管道进行TIP绘制,CPU负责前景模型的深度计算及纹理提取．因此,CPU与GPU可以并行运算,显著提高纹理映射速度从而缩短整个TIP绘制时间,满足用户在虚拟场景中漫游的实时性要求．