基于分类的纹理映射方法综述

对纹理映射的算法进行分类,从二维纹理映射和三维纹理映射两个大类分别进行阐述.二维纹理映射包括纹理的获取方法和映射方法两部分,映射方法中涵盖了参数化曲面、非参数化曲面和基于小变形的纹理映射方法的介绍.三维纹理映射介绍了基于三维纹理函数的映射,包括三维纹理的定义和映射方法研究;由于在虚拟世界的建造中对真实物体计算机重建的需要,就用于实物计算机三维重建中实物三维表面纹理的提取和映射算法等进行了研究和探讨.     

基于分类的纹理映射方法综述

对纹理映射的算法进行分类,从二维纹理映射和三维纹理映射两个大类分别进行阐述.二维纹理映射包括纹理的获取方法和映射方法两部分,映射方法中涵盖了参数化曲面、非参数化曲面和基于小变形的纹理映射方法的介绍.三维纹理映射介绍了基于三维纹理函数的映射,包括三维纹理的定义和映射方法研究;由于在虚拟世界的建造中对真实物体计算机重建的需要,就用于实物计算机三维重建中实物三维表面纹理的提取和映射算法等进行了研究和探讨.     

基于相关性原理的多样图纹理合成方法

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.文中提出了一种新颖的基于多种纹理样图的纹理合成方法,通过调整参数可以控制各种纹理在合成结果中所占的比例,利用双向扫描来提高合成纹理的质量.进一步提出了一种目标约束的多样图纹理合成方法,可以根据用户需求生成新的图案.实验结果表明算法速度快,在PⅢ600/256M的PC机上,一幅600×600pixels的图片的计算可在20s内完成.     

基于基元序列的二值纹理表示算法

提出了基于基元序列的纹理表示算法,用直接说明纹理视觉信息的基元序列拼帖纹理图像,并统计每个针对性基元对应区域的像素比例,达到少量阵列数据表示纹理结构及其变化频度及方向的目的.相应的实验显示了算法所产生的简洁与直观效果,视觉效果与统计数据有一一对应关系.本算法适用于对纹理的描述、压缩及识别.     

基于纹理频谱子集的纹理识别

纹理频谱法是一种有效的纹理特征提取方法,但其所提取的特征高达6 561(38)维,导致很大的存储和计算复杂性.局部二值模式通过简化纹理频谱法的定义,虽然减小了计算的复杂性,却削弱了纹理的刻划能力.为了在保持纹理频谱法纹理刻划能力的同时,又减少其存储和计算复杂性,提出了基于子集的纹理频谱方法.新方法建立在统一模式的概念上,仅提取纹理频谱的1个子集,特征维数仅为原方法的12%,大大减小了空间和时间代价.实验结果表明,新方法比纹理频谱法和局部二值模式具有更好的纹理识别性能.     

基于类别共生矩阵的纹理疵点检测方法

根据有规则纹理的特点,提出了基于类别的共生矩阵来描述纹理特征,从而很好地将正常纹理与疵点区分开.分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点.为了克服灰度共生矩阵在计算量和分辨能力上的缺点,定义了类别共生矩阵.在类别共生矩阵的算法中,首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数,如纹理的概率密度分布、纹理的主方向和周期,以及分类准则等重要参数,然后计算类别共生矩阵并提取白疵点增强、黑疵点增强和一致度等三个特征,最后采用异常点检测的方法即可很好地区分正常纹理和疵点.实验证明,该方法比已有的灰度共生矩阵计算量小,并具有更突出的分辨纹理和疵点的能力.     

纹理保留的PCA非局部均值改进降噪方法

针对PCA-NLM去噪方法容易丢失图像纹理细节的问题,提出一种基于纹理特征描述的改进PCA非局部均值去噪方法.基于局部结构张量的边缘纹理描述将图像划分为平坦区、边缘区和纹理区,根据边缘纹理特征值自适应地选取PCA维数和搜索区域以改进去噪效果.实验结果表明,该方法对纹理细节丰富的区域能更好地保留了图像纹理细节,降噪效果优于PCA-NLM方法.     

基于灰度共生矩阵的纹理特征景物识别

随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点.纹理分析主要应用于纹理分类、纹理分割、纹理合成等方面,应用十分广泛.本文主要介绍用灰度共生矩阵提取纹理特征值,并根据特征值判断景物类别的方法.该方法既能描述图像的灰度分布信息,又能表达局部细节.     

基于高斯-马尔可夫随机场模型的织物纹理特征参数提取方法

将高斯-马尔可夫随机场用于织物纹理的建模.在估计模型参数时,采用不完全 Cholesky共轭梯度法.获得特征参数后,通过纹理合成方法,仿真原始纹理图像.试验表明:仿真织物纹理图像与真实织物纹理图像具有较为一致的视觉效果,从而论证了高斯-马尔可夫随机场模型对织物纹理建模的有效性.     

音乐声的音色感知特征与图像的纹理特征的关联研究

本文主要研究音乐声的音色感知特征与图像的纹理之间的关联关系并建立音色与纹理的匹配模型.首先对Brodatz纹理库中的图片提取纹理特征,然后利用纹理特征对纹理图片进行系统聚类和多维尺度分析,挑选出18张用来做主观评价实验的纹理图片.通过主观评价实验,得到音色感知特征值以及音色和纹理的匹配关系数据,并基于此数据分别计算了匹配(或不匹配)的音色感知特征纹理特征之间的皮尔逊相关系数,相关系数绝对值最高达0.75,证明了二者之间存在强烈关联.最后使用逻辑回归、随机森林、多层感知神经网络对音色感知特征和纹理之间的匹配关系进行预测,得到了准确率较高的预测模型,说明通过音色感知特征和纹理特征预测二者匹配关系是可行的.