导读:本文包含了纹理合成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,卷积,神经网络,克莱,载体,信息,缝合线。
纹理合成论文文献综述
高明慧,张尤赛,王亚军,李垣江[1]（2019）在《应用卷积神经网络的纹理合成优化方法》一文中研究指出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。(本文来源于《计算机工程与设计》期刊2019年12期）
王静,张慧婕,王志衡,刘红敏[2]（2019）在《基于多阶误差曲面的纹理合成》一文中研究指出针对Image Quilting纹理合成算法拼贴块时会出现的边界不连续现象,提出一种基于多阶误差曲面的纹理合成改进算法。该算法通过多阶误差曲面来计算最小误差边界分割,从而得到更精确的最佳切割路径;此外在按照最佳切割路径拼贴块后,利用泊松混合(Poisson Blending)来修复边界不连续区域,使得不连续的边界区域能够变得平滑,纹理合成效果更符合视觉要求,并且将改进后的算法扩展到纹理传输的实现。实验结果表明,改进后的算法可以较好地克服Image Quilting算法存在的不足,得到良好的合成结果。(本文来源于《测控技术》期刊2019年11期）
魏伟一,王瑜,阿成凤[3]（2019）在《一种基于LBP的纹理合成无载体信息隐藏方法》一文中研究指出为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。(本文来源于《计算机工程与科学》期刊2019年11期）
杜耀刚,王泽豪,赵耿,张艳硕[4]（2019）在《一种安全的无载体纹理合成信息隐藏方案》一文中研究指出为了有效抵御Zhou等~([8])针对Wu等~([7])提出的无载体纹理合成信息隐藏方案的攻击,设计出一种基于有限整数网格上拟仿射变换(QATLIG)的纹理合成无载体信息隐藏方案。该方案通过在纹理合成过程中嵌入干扰纹理块,来抵御文献[8]提出的攻击。其中,干扰纹理块的具体位置,由样本纹理源补丁块的坐标通过QATLIG变换而得。同时该方案将QATLIG变换系数纳入密钥中。分析及实验表明,该方案保持了文献[7]方案的生成纹理图像质量,信息隐藏容量损失极小(约1.46%～7.11%),隐藏的信息被暴力破解的概率极低(远小于10~(-5)),可有效抵御文献[8]的攻击方案。(本文来源于《计算机应用与软件》期刊2019年06期）
高明慧[5]（2019）在《基于卷积神经网络的纹理合成方法》一文中研究指出纹理合成作为计算机图形学领域比较有意义的一个分支,一直以来都是科研人员关注的重点。纹理合成技术不仅在图像编辑与修复领域有较大的应用价值,而且在大规模景象生成和图像绘制等领域也有很好的应用前景。卷积神经网络(Convolutional Neural Network,CNN)根据视觉认知机制提出,由于具有局部连接和权值共享特性以及空间下采样思想带来的局部平移不变特性,近年来在计算机视觉、语音识别等多个领域取得了突出成绩,运用卷积神经网络实现纹理合成也成为目前研究热点之一。本论文主要研究了基于卷积神经网络的纹理合成方法。重点研究了纹理特征提取技术的主要方法,涉及到比较传统的基于灰度共生矩阵和Gabor滤波器的纹理特征提取方法,以及较为新颖的基于克莱姆矩阵的纹理特征表达的方法。在上述工作基础上,提出了一种改进的VGG-19网络模型,以提高纹理图像合成的速度和合成图像的质量。本论文的主要研究内容为:(1)为了改善网络层级结构过多导致的训练时间过长以及梯度消失的问题,提出了一种改进方法。通过使用卷积神经网络中VGG-19网络模型,并在网络每层卷积层后增加批量归一化(Batch Normalization,BN)层的方法,提高网络训练速度。实验结果表明,本文所提出的改进卷积神经网络在训练速度上有了明显的提升。(2)基于改进后的卷积神经网络合成纹理图像。本文中纹理合成模型只使用了VGG-19网络模型中的卷积层和池化层,没有使用后面的全连接层和分类层。首先将源纹理图像和一幅白噪声初始化的图像分别输入卷积神经网络,经过前向传播过程提取图像的纹理特征,构建损失函数,然后训练网络更新合成图像。实验结果表明,本文所使用的方法比其它一些纹理合成方法,在主观评价和客观评价上都有明显的优势,图像合成质量有很大的提升。(本文来源于《江苏科技大学》期刊2019-06-05）
吴佳俊,项多,虞世鸣[6]（2019）在《基于缝谱的马赛克线拼作品纹理合成》一文中研究指出现有马赛克线拼作品的缝谱为制作者提供了缝制流程的指导,但其仅仅展示了素材图片进行了马赛克处理后的色彩效果,没有给制作者展示作品最终的纹理效果。通过分析马赛克线拼作品的纹理特点,基于缝谱提出了纹理合成的具体思路,最终给出了仿真效果图。对缝谱进行纹理合成,一定程度上为制作者提供了制作时的视觉参考依据。(本文来源于《工业控制计算机》期刊2019年05期）
阳策,李重,任义,刘恒[7]（2019）在《基于标准肤色的人脸图像纹理合成与叁维重建应用》一文中研究指出本文提出一种基于单幅人脸图像并结合标准肤色的人脸图像纹理合成和叁维重建算法.首先,利用ASM算法提取人脸特征点,并通过基于局部线性嵌入算法的编辑传播实现颜色转换,使图像人脸色调与叁维人脸模型标准肤色一致.接着,将人脸图像五官区域与标准肤色图进行泊松融合,并考虑眉毛遮挡情况,利用人脸对称性或眉毛模板还原眉毛.尤其对于半遮挡眉毛,采用Li模型和角点检测相结合的方法重建眉毛轮廓,得到最终人脸纹理图.最后通过纹理映射将人脸纹理图映射到叁维人脸模型上,得到较好的个性化叁维人脸重建效果.实验表明,本文算法能够适用于不同复杂背景和光照条件下拍摄的人脸图像,具有较快的处理速度,能够应用于人脸实时重建产品中.(本文来源于《计算机系统应用》期刊2019年05期）
齐玲[8]（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）
李中华,喻钧,胡志毅,康秦瑀,高守义[9]（2019）在《基于纹理合成与最佳缝合线的不同平面数码迷彩拼接方法》一文中研究指出数码迷彩图案喷涂至实际伪装目标的表面上时,不同平面之间的衔接部分容易出现颜色过渡不连续的现象,在视觉上形成显着的接缝,进而影响目标伪装效果。针对该问题提出了一种结合纹理合成与最佳缝合线的数码迷彩拼接算法。运用纹理合成技术生成过渡自然的扩展图案,以此构造待拼接图案的伪重迭区域;在该区域内搜索一条最佳缝合线,将待拼接图案沿着缝合线裁剪并拼接在一起,从而实现了数码迷彩图案的无缝拼接。试验结果表明,提出的算法可以有效地消除数码迷彩拼接时带来的显着缝隙,使得拼接处的图案过渡更为自然,达到更好的伪装效果。(本文来源于《兵工学报》期刊2019年03期）
张定祥,谭永前[10]（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）
纹理合成论文开题报告
（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：
针对Image Quilting纹理合成算法拼贴块时会出现的边界不连续现象,提出一种基于多阶误差曲面的纹理合成改进算法。该算法通过多阶误差曲面来计算最小误差边界分割,从而得到更精确的最佳切割路径;此外在按照最佳切割路径拼贴块后,利用泊松混合(Poisson Blending)来修复边界不连续区域,使得不连续的边界区域能够变得平滑,纹理合成效果更符合视觉要求,并且将改进后的算法扩展到纹理传输的实现。实验结果表明,改进后的算法可以较好地克服Image Quilting算法存在的不足,得到良好的合成结果。
（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。
纹理合成论文参考文献
[1].高明慧,张尤赛,王亚军,李垣江.应用卷积神经网络的纹理合成优化方法[J].计算机工程与设计.2019
[2].王静,张慧婕,王志衡,刘红敏.基于多阶误差曲面的纹理合成[J].测控技术.2019
[3].魏伟一,王瑜,阿成凤.一种基于LBP的纹理合成无载体信息隐藏方法[J].计算机工程与科学.2019
[4].杜耀刚,王泽豪,赵耿,张艳硕.一种安全的无载体纹理合成信息隐藏方案[J].计算机应用与软件.2019
[5].高明慧.基于卷积神经网络的纹理合成方法[D].江苏科技大学.2019
[6].吴佳俊,项多,虞世鸣.基于缝谱的马赛克线拼作品纹理合成[J].工业控制计算机.2019
[7].阳策,李重,任义,刘恒.基于标准肤色的人脸图像纹理合成与叁维重建应用[J].计算机系统应用.2019
[8].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
[9].李中华,喻钧,胡志毅,康秦瑀,高守义.基于纹理合成与最佳缝合线的不同平面数码迷彩拼接方法[J].兵工学报.2019
[10].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
论文知识图
