导读:本文包含了纹理合成算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,神经网络,图像,卷积,优先级,递归,算法。
纹理合成算法论文文献综述
齐玲[1]（2019）在《基于纹理合成的图像修复算法研究》一文中研究指出随着计算机科学技术的飞速发展,图像处理涉及到的应用领域也越来越广泛。而图像修复就是图像处理中的一个重要分支,并且也是近几年图像处理领域中的一个研究热点。实际上,图像修复就是利用图像中的已知信息按照某种规则对破损部分进行填充并得到符合人类视觉感知的结果的填充过程。图像修复的应用领域涉及到了人们生活中的方方面面,比如照片修复,多余物体去除等等。在日常生活中不可避免的会出现图像大区域破损的现象,因此大区域破损图像修复算法是具有重要研究价值和意义的。本文以大区域破损的自然图像作为修复对象,在经典算法Criminisi算法的基础上,对其不足提出改进,最终提出一种基于轮廓约束的图像修复算法。Criminisi算法虽然在修复大区域破损图像方面已经可以取得较好的修复效果,但是在修复纹理与结构并存的破损图像时,仍会出现匹配错误导致的结构线断裂、纹理延伸的现象。其主要原因在于Criminisi算法自身的不足,如:在其修复过程后期,由于优先权计算公式的不合理,优先权值将会逐渐不可信,从而修复顺序也会变得不可靠;匹配准则仅参考了像素块的色彩相似度,信息过于单一导致匹配错误等。本文针对以上列出的两点不足,分别对优先权计算公式和匹配准则做出了改进,首先改变优先权计算公式中的运算法则,其次在匹配准则中引入结构相似度量中的结构信息,提高其在结构方面的匹配精准度。虽然以上改进与Criminisi算法相比取得了较好的效果,但是在修复重要结构缺失的破损图像时,人眼仍然能感知到修复的边缘处存在断裂,不够平滑。对此,进一步提出改进,利用图像分割技术提取出图像的结构信息,优先对存在破损的结构进行修复,再通过重构的边缘约束图像修复的优先顺序,使修复后的图像达到自然连续的效果。最后结合主客观两种评价方法对仿真结果作出真实、合理的评价,并且结果表明,本文改进算法能有效保持修复结果结构上的连贯性和纹理填充后的合理性,且符合人类视觉感知。(本文来源于《西华师范大学》期刊2019-04-01）
张定祥,谭永前[2]（2019）在《基于卷积神经网络和边缘检测的自然纹理合成算法》一文中研究指出基于卷积神经网络(CNN)的VGG-19(Visual Geometry Group)模型,研究了卷积神经网络对输入纹理进行卷积时,输入纹理特征图的边缘信息对生成自然纹理效果的影响。在使用卷积神经网络的VGG对输入图像进行卷积时,为了防止过拟合现象,采用平均池化的方式对特征图进行处理,在一定程度上保护了特征图的边缘信息,相对采用最大池化处理特征图取得了更好的生成效果。同时,提取各层特征图的边缘信息并将其迭加到特征图中,能很好地保留纹理图像的边缘结构信息。实验结果表明,改进后的方法能取得较为理想的纹理生成效果。(本文来源于《激光与光电子学进展》期刊2019年13期）
彭春华[3]（2018）在《基于纹理合成的Criminisi图像修复算法》一文中研究指出基于纹理合成的数字图像修复主要是通过对图像破损区域在全局进行搜索、复制、匹配,从而填充及补全图像中受损区域或移除待定目标,使得修复后的图像尽量接近原图,达到一种观察者无法察觉图像曾经缺损或已经被修复的效果。在涉及图像处理的诸多领域有着广泛的应用,极具研究价值。针对非均匀纹理图像大区域损坏的情形,提出了一种分层Criminisi图像修复算法,以提高修复效果。首先采用多尺度变分分解模型将图像分解成一系列图层之和,不同图层包含不同尺度的图像特征,而同一图层包含几乎相同的尺度特征。然后采取Criminisi算法修补每一个图层。同一图层里搜索匹配块时,利用尺度大致相同的图像特征能快速地搜寻到最优的匹配块。最后整合所有修复好的图层得到完整的修复效果。根据织锦图像具有马尔可夫性和分形特征,对传统的Criminisi修复算法进行了改进。首先在优先级函数中引入度量像素块复杂度的分形维数,计算优先权时,使修复次序更多向结构丰富的像素块倾斜,充分考虑像素块中除了中心点之外其它位置的结构信息。为了在匹配块搜索过程中减少误匹配、缩短搜索时间,通过像素块的分形维数约束搜索范围。最后在织锦图像的修复实验中,新算法修复效果较为满意。在Criminisi算法中,为了排除纹理细节对优先级计算的干扰,提出一种基于轮廓图的修复算法。该算法利用变分水平集函数来提取图像轮廓,轮廓图不包含纹理,新数据项的计算只跟轮廓图的结构有关,因此基于轮廓图计算数据项能避免由纹理和细节导致的影响。(本文来源于《湖北民族学院》期刊2018-06-30）
蔡秀霞[4]（2018）在《基于样本的纹理合成算法及其应用研究》一文中研究指出纹理是数字图像基本特征,也是图像处理研究的主要类别之一,纹理合成技术在图像处理、计算机图形学、计算机视觉方面有广泛的应用,是计算机图形学中在做纹理映射前经常需要的处理技术。近年来,虚拟现实、数字动画、电子游戏等技术的快速发展也得益于优异纹理合成及映射技术的发展。纹理合成技术作为计算机图形和图像领域的基础技术一直有存在和被研究的价值。为了研究基于样本的纹理合成方法,本论文在综述国内外纹理合成方法研究现状及理论基础之上,总结概括出目前纹理合成方法存在的问题:首先是纹理合成对各种类型的样本纹理合成的普适性问题;其次是,传统算法局部最优无法抓取全局特征问题;再者如何提取图像中深层次特征并生成高质量合成纹理的问题。在对这些纹理合成方法问题研究基础上,进一步将我们提出的纹理合成方法应用于大面积信息缺失情况下的背景修复工作和铅笔及彩色素描画的生成中。具体来说,本文主要研究内容及创新点包括:第一,为了能够在统一的框架内实现各类纹理的合成的优化工作,尤其是大尺度纹理的优化合成和规则纹理的合成,提出了一种新的纹理合成框架。首先根据尺度不变特征(Scale-invariant feature transform,SIFT)将重复大尺度规则纹理合成问题与其他类型的纹理区分开来,对于重复大尺度规则纹理的合成,我们将重复单元作为基本纹理合成单元;对于其他类型纹理我们则提出基于曲率优化的相似度函数进行最优匹配搜索,优先考虑局部纹理丰富的块,并提出了交替迭代更新最邻近域场与生成像素的方式生成纹理。通过这样的框架及优化算法,可以较好的纠正输入纹理不存在大尺度纹理结构,而输出纹理存在大尺度纹理结构的错误,同时也可以解决在合成大尺度规则样本纹理时出现纹理混乱的问题。第二,提出了基于卷积神经网络(Convolutional Neural Network,CNN)合成渐变纹理的方法。鉴于传统纹理合成的特征量设计与参数调整比较复杂,且渐变纹理合成存在人为错误及模糊等问题,本文在学习样本纹理的CNN特征图的基础上生成纹理,并利用提取的特征图提出了基于误差平方和(Sum of Square Error,SSE)和基于格拉姆矩阵(Gram matrix)的两类相似度函数,通过优化两个失真函数的权重组合来生成渐变纹理。这种分析生成式的纹理合成方法,一方面可以充分利用样本纹理的全局特征进行纹理合成,另外一方面可以很好的克服传统纹理合成方法存在的输出模糊、错乱大尺度纹理的问题,此外,该方法生成的渐变纹理在无参考质量评估效果上要优于传统渐变纹理生成方法。第叁,针对输入为重复大尺度规则纹理结构的样本纹理,提出了基于长短记忆网络(Long Short-Term Memory,LSTM)的纹理合成方法。在没有预检测纹理规则性的前提下,传统的纹理合成方法和基于卷积神经网络的纹理合成方法都无法很好的合成重复大尺度规则纹理。LSTM纹理合成方法一方面可以克服传统的纹理合成方法存在局部最优的问题而导致的规则样本纹理合成失败的问题;另一方面具有优异的规则记忆性,可以克服基于卷积神经网络的纹理合成方法无法很好的学习纹理的规则性这一缺点。这种基于LSTM纹理合成方法的无参考质量评估效果上优于传统纹理合成算法和基于卷积神经网络的纹理合成方法。第四,提出将基于卷积神经网络的纹理合成方法理论应用于目标移除后的背景修复、图像风格化等。基于卷积神经网络特征图的背景修复可以有效的修复大面积缺失的背景图像,而且相比于传统算法在主观视觉和客观衡量指标方面都有较大的提高;此外我们在学习艺术家风格化的基础上可以将自然图像风格化到目标艺术风格,在素描化效果上相比于传统的素描画效果更加多样化且主观素描效果更清晰。(本文来源于《西安电子科技大学》期刊2018-04-01）
胡云康,姜苏,吴志荣,杨晨霞,朱龙飞[5]（2016）在《基于改进的纹理合成图像修复算法》一文中研究指出本文首先介绍了图像修复领域中的Criminisi算法,针对这种算法的不足,从优先级的运算、最优匹配块的搜索和置信值的更新叁个方面进行改进。实验结果表明,改进算法的修复效果比原算法有了进一步的提高,更符合人类视觉系统的特征。(本文来源于《软件》期刊2016年04期）
王培玉[6]（2016）在《基于GPU加速的几何纹理合成算法研究》一文中研究指出在计算机虚拟现实中通常采用纹理数据模拟模型和场景的表面细节,使得模型或者场景的真实感大幅提升。纹理根据其数据组织结构不同可分为二维纹理和几何纹理。其中二维纹理以具有自相似性的二维图像数据为主,二维纹理合成具有合成速度较快,且内存占用小等特点;同时,由于二维纹理不支持遮挡、阴影、轮廓等重要的效果,二维纹理无法满足虚拟现实对表现形式越来越精细化的要求;几何纹理具有更丰富、细致的表现能力,在虚拟现实技术中得到了大量应用,大大提高了模型和场景的真实感。现有的几何纹理合成方法普遍存在计算量大、存储占用高并且需要大量的人工交互等问题,因此如何快速高效高质量的合成几何纹理成为计算机图形学的研究热点。首先,对纹理合成的研究背景、意义、及国内外研究现状做了分析,并且对二维纹理合成和几何纹理合成的一些经典算法进行详细的介绍和分析总结其优缺点。然后,对马尔科夫模型、像素点邻域、纹理块邻域以及邻域匹配原则等纹理合成基本理论进行了详细的阐述,结合现有的经典方法对二维纹理合成和几何纹理的一般步骤和方法进行详细的描述,以此分析得到影响纹理合成速度的原因是在于基于邻域匹配的纹理合成方法中大量的邻域搜索成了纹理合成速度的瓶颈。其次,对纹理合成加速技术从软件和硬件层面进行了分别介绍,根据邻域搜索存在的瓶颈问题,本文深入研究了相关的软件加速技术和GPU多线程并行加速技术。最后,提出了一种基于GPU加速的几何纹理合成方法,以解决几何纹理合成过程中的高计算量、高存储占用和高耗时等问题。通过采用GPU多线程并发技术设计并行加速算法,将串行的几何理纹理合成过程并行化,加速几何纹理合成。实验结果表明,本文算法不仅存储占用更小,而且能够在保证合成质量的同时,极大的降低几何纹理合成耗时。(本文来源于《长沙理工大学》期刊2016-04-01）
解慧[7]（2015）在《基于块无缝拼接的纹理合成算法及C~(++)程序实现》一文中研究指出基于样本的二维纹理合成技术是属于纹理拼贴的方法,综述了二维纹理合成技术中几种经典的纹理合成算法,并用C++程序实现了理论化的基于块无缝拼接的纹理合成算法,且给出代码的关键部分.通过测试程序,用C++实现的基于块无缝拼接的纹理合成算法,在合成质量、速度上达到令人满意的效果.(本文来源于《晋中学院学报》期刊2015年03期）
周瑞华[8]（2015）在《纹理合成算法及其在纹理传输中的应用研究》一文中研究指出对于自然界中的任何物体，纹理都可以描述其表面错综复杂的细节。纹理合成技术是根据已有的纹理信息，合成与其相似的大面积纹理。该技术近年来受到了越来越多的关注，目前已成为图像处理领域内的重要研究内容。纹理合成技术旨在合成符合人们要求的纹理图片，在真实感以及非真实感的绘制中有着广泛的应用，并且在图像修复、图像艺术风格转换、网络压缩数据的快速传输以及计算机动画等方面有广阔的应用前景。随着计算机技术以及人类社会的飞速发展，人们对数字图像质量的要求越来越高，这就使得纹理合成技术要不断的进步发展，相关研究人员要不停的探索创新，从而实现人类对数字图像更高的追求。本文首先介绍了纹理合成技术的研究背景、研究意义以及国内外研究现状，其次介绍了相关理论与基本概念，并且研究分析了几种经典的纹理合成算法，对经典的算法进行了一定的归纳总结，概括描述了算法的优点缺点。在此基础上，本文以提高纹理合成图片质量和加快纹理合成速度为宗旨，对基于块拼接的纹理合成算法在切割路径、匹配块选择策略以及块搜索方式等方面作了相应的改进。改进后的算法结果较之前算法合成结果，不论在合成质量还是合成速度方面都取得了很大的提高。最后本文将改进的纹理合成算法应用到纹理传输过程中，通过实验快速有效地实现了图像艺术风格的转换，并且对传输过程中两幅图像的传输约束度量进行了一定的探究，在不同的颜色空间中，用不同的度量作为约束进行了相应的实验。本文主要研究成果如下：第一：针对块拼接纹理合成图片在接缝处容易出现过度粗糙的现象，对原算法进行改进。通过跟踪检测切割点，计算切割路径上每个切割点的梯度，将梯度值大于给定阈值的像素点标记为粗糙切割点，将标记的过度粗糙尖锐的点，通过加权求精的方式，进行平滑处理重新输出。第二：为了提高匹配块的选择效率，即提高纹理合成图像的质量，对匹配块的选择匹配策略进行改进，把上述改进的切割路径以权值的方式加入到选择匹配策略中，使得在选择匹配块时综合考虑重迭区域累计误差和最小切割路径，改进后的匹配策略在很大程度上提高了合成图片与样本图片的相似性。。第叁：为了减少合成时间，提高纹理合成速度，对纹理块的全局搜索方式进行了改进，提出了一种基于邻域相关性的索引表搜索方式。改进的算法通过已合成块在样本纹理中的映射以及根据映射后纹理块的邻域相关性建立索引表，利用建立的搜索表进行待合成纹理块的匹配搜索，从而实现匹配过程，此搜索方式较全局搜索方式减少了大量搜索匹配时间，提高了纹理合成速度。第四：将上述改进的块拼接纹理合成算法应用到纹理传输中，通过实验快速有效地实现了图像艺术风格的转换。在不同的颜色空间中，对纹理传输约束度量的多样性进行探究，通过实验验证，纹理传输过程中传输约束度量是多样的，并不是单一的，这种约束度量的多样性为用户获取更多的图像艺术风格提供了更丰富的选择。(本文来源于《山东师范大学》期刊2015-05-30）
孙劲光,刘双九[9]（2016）在《块尺寸自适应的Tile纹理合成算法》一文中研究指出针对Wang Tiles纹理合成算法中样图信息利用不完全、所制作的Tile中心处有明显接缝,以及Tile拼接时拐角处不完全匹配等问题提出了一种改进的纹理合成算法。分析给定的纹理样图,得到适当的纹理块长度,按照该长度从纹理样图中提取4个菱形纹理块,生成Tile初始框架;从样图中选择与Tile初始框架尺寸相同的纹理块作为替代纹理块,与Tile初始框架重迭放置,求取最佳缝合路径,从而制作Tile;通过一系列Tile拼接生成最终的输出纹理。实验结果表明,该算法制作的Tile有很好的视觉效果,同时对各类型纹理该算法都能取得一个较好的纹理合成效果。(本文来源于《计算机工程与应用》期刊2016年11期）
王传奇[10]（2015）在《基于纹理合成的图像修复算法的研究》一文中研究指出数字图像修复现是计算机图形学和计算机视觉中的一个研究热点,它在文物保护、照片修复、图像压缩、影视特效等领域有着重要的应用价值。本文第一章简要介绍了数字图像修复技术的研究背景、意义以及研究现状；第二章简单介绍了数字图像修复中常用算法的背景和历史沿革,并详细介绍了经典纹理合成算法——Criminisi算法。第叁章针对Criminisi算法在修复图像过程中出现的修复偏差积累和匹配函数不够准确的问题,提出了改进优先级的分步匹配图像修复算法。算法在优先级中加入了亮度方差,使图像的修复顺序更加合理；然后对Criminisi算法最佳匹配块的获取过程进行了改进,算法先后使用1范数和最小二乘法,改进了相似性度量函数,进行分步筛选,获取最佳匹配块,使得匹配更为准确,修复效果更加理想。第四章加强了对优先级中边缘像素的影响的考虑,根据优先级中各影响因素的特点,对这些因素分别使用乘法和加法,在保证一定修复效果的同时,也减少了修复时间。第五章对全文工作进行总结；并对将来图像修复算法研究提出了一点思考和展望。(本文来源于《合肥工业大学》期刊2015-03-01）
纹理合成算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于卷积神经网络(CNN)的VGG-19(Visual Geometry Group)模型,研究了卷积神经网络对输入纹理进行卷积时,输入纹理特征图的边缘信息对生成自然纹理效果的影响。在使用卷积神经网络的VGG对输入图像进行卷积时,为了防止过拟合现象,采用平均池化的方式对特征图进行处理,在一定程度上保护了特征图的边缘信息,相对采用最大池化处理特征图取得了更好的生成效果。同时,提取各层特征图的边缘信息并将其迭加到特征图中,能很好地保留纹理图像的边缘结构信息。实验结果表明,改进后的方法能取得较为理想的纹理生成效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理合成算法论文参考文献
[1].齐玲.基于纹理合成的图像修复算法研究[D].西华师范大学.2019
[2].张定祥,谭永前.基于卷积神经网络和边缘检测的自然纹理合成算法[J].激光与光电子学进展.2019
[3].彭春华.基于纹理合成的Criminisi图像修复算法[D].湖北民族学院.2018
[4].蔡秀霞.基于样本的纹理合成算法及其应用研究[D].西安电子科技大学.2018
[5].胡云康,姜苏,吴志荣,杨晨霞,朱龙飞.基于改进的纹理合成图像修复算法[J].软件.2016
[6].王培玉.基于GPU加速的几何纹理合成算法研究[D].长沙理工大学.2016
[7].解慧.基于块无缝拼接的纹理合成算法及C~(++)程序实现[J].晋中学院学报.2015
[8].周瑞华.纹理合成算法及其在纹理传输中的应用研究[D].山东师范大学.2015
[9].孙劲光,刘双九.块尺寸自适应的Tile纹理合成算法[J].计算机工程与应用.2016
[10].王传奇.基于纹理合成的图像修复算法的研究[D].合肥工业大学.2015
论文知识图
