基于样图的层式体纹理合成算法

针对深度方向上具有特征差异的层式纹理,提出一种基于样图的体纹理合成算法。采用基于全局优化的合成框架,在预处理中生成反映样图深度方向上特征差异的特征分布图,将其纳入相似性度量,合成时考虑3个正交方向上的邻域相似性,并利用k相关性搜索进行迭代优化。实验结果表明,该算法能保证合成纹理在深度方向上特征分布的相似性及水平截面的特征合理性,具有较高的合成质量和较快的收敛速度。

基于二值掩码图像的图像合成方法及其应用

提出一种图像合成算法.首先将源样本纹理根据其纹元的特点分成前景和背景,并生成相应的二值掩码图像;再将源样本纹理及其掩码图像通过变形方法生成多个相似的样本纹理,应用前景提取法将这些相似纹理中的前景提取出来,采用随机动态、交互合成或轨迹自动跟踪生成图像等方法输出到背景图像上;根据合成图像的动态二值掩码图像控制合成图像纹元前景的密度和轨迹合成方向.与其他算法相比,该算法仅用少量甚至一个样本纹理即能生成纹元形状略有不同的各种合成输出图像,实现了大自然中常见的纹元前景之间的相互遮挡效果.最后给出了若干实例.采用文中算法得到的输出图像具有生成速度快、真实感强,能按预定轨迹生成图案等特点,适用于自然场景、随机纹理或人造图案的生成.

基于GMRF模型的统计特征畸变织物疵点识别

为提高纹理模型对统计特征畸变织物疵点的识别率,提出一种GMRF纹理模型自动识别不同种类的统计特征畸变织物疵点。介绍了GMRF模型的纹理合成。利用生成的GMRF纹理模型进行仿真实验,以验证参数估计算法和纹理合成算法的正确性。设计了织物疵点的检测流程,并对实际疵布进行自动检测。结果证明:通过GMRF模型参数构造的距离统计量能够敏感地区分正常织物纹理和统计特征畸变疵点纹理,比较适用于统计特征畸变疵点的自动检测。

一种改进的纹理合成算法

基于已有的纹理合成算法,提出将单象素点的纹理合成改进为矩形纹理区域的合成,以加速合成过程,匹配矩形纹理区域时采用提取纹理结构信息的方法来实现,取得了较好的合成结果。实验结果表明,改进的算法无论在合成速度和合成质量上都有较大的提高,对于大纹理的合成,速度更快,而且有广泛的适用性。

块拼贴的纹理合成算法的实现与改进

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新的纹理拼接技术。其中块拼贴的纹理合成算法由于合成速度快,效果良好,受到极大关注。对采用块拼接技术的纹理合成方法进行综述,运用图像切割方法较好解决了块拼贴算法中的最佳分割路径获取问题,并对合成的结果进行平滑优化。

复合纹理图像拆分的纹理快速合成方法

针对具有非纹理结构特征的纹理样图,提出了一种基于复合纹理图像样图的纹理合成方法。算法在纹理可合成性分析的基础上,对纹理重新划分,给出了复合纹理图像的定义,采用分割法将非纹理结构图像进行分割,减弱纹理合成过程中块匹配边界的约束。利用非纹理结构图案分割与纹理修补的方法解决纹理与图案的整体与局部的可控性问题。在满足图案结构合成的完整性和合理性要求的情况下,使纹理与图案结构在合成过程中实现自然过渡。算法还可在复合纹理合成方法的基础上进行纹理设计,更好地满足实际应用的需求,具有较大的工程应用价值。

点模型上基于样图的纹理合成（英文）

【目的】目前已有的在三维点模型上的纹理合成方法,是将点模型进行三角面片化后再进行纹理合成操作,本研究的目的是避免三角面化的过程,得到一种直接在点模型上操作的、快速有效的纹理合成方法。【方法】首先,用KD树为三维点模型上的每一点建立领域,然后为每一点在样图中寻找最匹配的纹理值,最后通过基于点的绘制技术完成纹理合成。【结果】本研究方法能在三维点模型上生成连续光滑的纹理,且保持了原样图的纹理结构。【结论】本研究的纹理合成方法是有效的,并且和传统的三维纹理合成算法相比,本方法费时更少、更灵活可控。

基于特征匹配的渐变纹理图像合成算法

近年来发展起来的纹理合成算法可以由小块纹理样图合成任意大小的纹理图像。合成的纹理图像虽然和样本纹理在视觉上相似且连续,但是缺少变化,因此需要有算法能使合成纹理图像产生需要的变化。文中借助输入样本图像的MIP图像和基于块的纹理合成,在边界的合成过程中加入了特征匹配以提高合成纹理图像的质量。实验结果表明,该算法可以在沿着纹理合成的方向上产生渐变的纹理图像,并通过特征匹配能够使合成的纹理图像在视觉是平滑过渡的。

应用卷积神经网络的纹理合成优化方法

针对传统纹理合成方法特征提取困难以及合成周期较长的问题,提出一种基于卷积神经网络的纹理合成优化方法。通过优化VGGNet卷积神经网络的结构,并提出增加批量归一化BN层的方法,来提高网络训练速度和减少参数过拟合现象;通过计算每层得到的纹理图像特征响应的克莱姆矩阵,构建克莱姆矩阵集合来表达纹理特征;由梯度下降算法计算梯度,通过L-BFGS优化算法最小化损失函数,合成纹理图像。实验结果表明,该方法可以有效提高模型训练速度,减少参数过拟合现象,合成高质量的图像。

人脸特征约束点的三维表情合成

针对目前很多三维表情合成算法计算量大、方法比较复杂、真实感不强的特点,结合人脸分布特征,提出了一种基于Delaunay三角剖分的三维表情合成新算法。该方法通过对人脸特征点集的快速三角剖分避免了病态三角网格,有效提高了合成后人脸表情的真实度,降低了算法复杂度。大量实际人脸表情合成的实验结果表明,该算法通过少量的特征点生成的三维人脸表情更加真实,可有效快捷地合成各种真实的人脸表情。

基于样图的纹理合成技术研究

基于样图的纹理合成方法是继纹理映射、过程纹理合成方法后发展起来的一种纹理技术,用于解决传统方法中出现的缝隙、扭曲、变形和参数调整等问题。在大规模场景的生成以及真实感图形绘制和非真实感绘制、计算机动画等方面具有广泛的应用前景;同时对图像编辑、数据压缩、网络数据的快速传输也有一定的指导意义。该文首先简要回顾了纹理技术的发展历程,总结出基于样图的纹理合成技术的基本原理,从基于Markov模型、侧重逼真显示、任意曲面等几个方面,对基于样图的纹理合成技术进行了较全面的总结和分析,对该领域未来的研究和应用前景做出了有益的探讨。

基于多层次显著图的自动铅笔画生成

图像艺术风格化是将图像自动转化为具有艺术风格的图像的方法统称,具有十分广阔的需求和市场应用前景.本文针对现有方法生成的图像往往风格单一、线条僵硬,提出了一种基于多层次视觉显著图将照片图像自动转化成铅笔画的方法,借助视觉显著性特点,使得风格化图像更加自然逼真.首先利用量子切割原理生成一幅包含多个层次的视觉显著性映射图,为每个像素计算一个重要性概率值;其次,利用显著性映射图对铅笔画轮廓图进行建模,并利用图像的边缘切线流为边缘像素计算显著性层次,生成不同粗细、长短、方向的笔画;最后,利用显著性映射图对色调纹理进行建模,对不同层次的像素采用不同程度的灰度变换和纹理合成.与现有的非真实感图像生成方法相比,文中方法由于利用了多层次视觉显著性信息,生成的图像更加具有层次感和艺术表现力,更接近画家绘画作品.实验表明,采用该方法得到的合成框架可以将照片快速转换成铅笔画艺术风格图像,效果生动逼真.