基于卷积神经网络的肺表面纹理合成

以肺表面纹理为研究对象,提出一种基于卷积神经网络的纹理合成算法。算法以训练好的VGG-19模型为基础,用Gram矩阵来表示纹理的局部结构特征,引入一种结构约束关系来捕捉纹理的全局结构特征,并在网络的高层加入马尔科夫随机场以提高算法效率。实验结果表明该算法可以较好地合成具有局部结构特征以及非局部结构特征的肺表面纹理,并且对比现有相似的算法效率有了明显提升。     

拼接法纹理合成中的结构特征匹配

提出一种新的纹理合成技术,该方法对样本纹理图像进行采样,逐块合成纹理图像.在寻找最优候选匹配块时改变以往算法中仅匹配颜色相似度的做法,加入结构信息,提高了块边界结构的相似度.用该算法选择的最优匹配块更符合人的视觉特性,合成图像接缝区域的过渡更为流畅,结构单元的完整性明显优于原有方法.实验结果表明,该算法对结构性强的纹理具有良好的合成效果.     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

基于非标量距离度量的双向Wang Tiles纹理合成方法

针对Wang Tiles的纹理合成算法中存在的菱形接缝问题,提出一种基于非标量距离度量的双向Wang Tiles纹理合成方法.该方法在构造Wang Tiles过程中把非标量距离度量方法附加到原有的最小误差边界路径切割算法上,并且在Wang Tiles拼接过程中应用了双向的方法.理论分析和实验结果表明改进的方法使接缝更加曲折,消除了Wang Tile中明显的菱形接缝,取得更佳的视觉效果.在纹理合成质量和速度上都有提高.     

彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型

彩色纹理图像分割的困难在于纹理图像成分的描述及彩色图像层与层之间的耦合。为解决该问题,基于多通道全变差规则项可优化彩色图像层与层之间的耦合,非局部算子可以描述纹理图像特征的特点,提出了彩色纹理图像分割的非局部Mumford-Shah多通道全变差变分模型。所提模型综合多通道全变差模型、非局部Mumford-Shah模型优点,并用二值标记函数划分区域。为了提高数值计算效率,对所提出模型设计了ADMM(alternating direction method of multipliers)优化算法。最后,通过数值实验对比以及定性与定量分析表明方法对于彩色纹理图像的分割取得较好结果。     

基于卷积和Transformer融合的服装分类算法

针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题,提出一种卷积注意力融合的服装分类网络.该网络采用并行结构,包含一个ResNet分支和一个Transformer分支,充分利用卷积运算提取的局部特征和自注意力机制提取的全局特征,以增强网络的表征学习能力,从而提高服装分类算法的性能和泛化能力.为验证该方法的有效性,在数据集Fashion-MNIST和DeepFashion上进行了对比实验.结果表明：在数据集Fashion-MNIST上,该方法取得了93.58%的准确率;在数据集DeepFashion上,该方法取得了71.1%的准确率;该方法优于其他对比方法的实验结果.     

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.     

图像纹理分析与纹理测度

为了从更深层次上进行系统的纹理分析 ,首先概括了纹理分析中的困难并从寻找纹理的本质入手 ,回答了纹理图像与普通数字图像间的差异、成像尺度与图像纹理间的关系、窗函数的选取等问题并给出了计算一幅具体图像纹理性大小的算法。从采样频率和成像尺度的角度来看待图像纹理在该领域内尚属首次。仿真实验对Brodatz像册中全体纹理图求取了纹理性因子的大小并进行了排序 ,试验表明该求取纹理性因子的算法与视觉感受趋于一致。对图像纹理理论探讨的欠缺是纹理分析的瓶颈 ,该文是在一这方面努力尝试的结果     

非均匀纹理图像大区域修复算法

为了改善实际非均匀纹理图像大区域修复效果,提出了一种改进的纹理合成算法.在传统图像修复算法优先权系数的基础上,增加了方向性优先权系数,为纹理合成时各点的传播方向和进度提供索引;同时,针对非均匀纹理图像渐近变化的特点,将以待修复块为中心的扇形区域作为最优匹配块的搜索区域,以减少误匹配.仿真实验结果表明,该方法能够有效克服传统纹理合成方法没有考虑方向性的缺点,对实际大区域非均匀纹理图像取得了较好的修复效果.     

基于概率图模型的图像纹理模型

 纹理作为一种视觉特征,它广泛应用于图像分析。概率图模型由于其自身特点可以很好地描述纹理。高斯图模型结构可根据局部马尔科夫性和高斯变量的条件回归之间的关系来学习。高斯图模型可用一个邻域系统、一个参数集和一个噪声序列表示。利用惩罚正则化方法,可以选择高斯图模型的邻域并估计参数,然后提取纹理特征进行纹理合成和分类。实验结果显示基于高斯图模型的纹理特征更加有效。     

基于非下采样Contourlet信息熵的纹理图像检索

提出了一种基于非下采样Contourlet信息熵的纹理图像检索新方法.首先对原始图像进行三层非下采样Contourlet分解;然后计算各个子带的能量,并对其进行排序、合并,得到纹理直方图;最后以纹理直方图为概率密度函数,并用改进的信息熵方法求得函数的熵,以此作为纹理特征进行检索.实验结果表明,该方法与当前基于多分辨率的纹理图像检索方法相比具有更高的查全率和查准率.     

基于样图的纹理合成技术的研究

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,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。该文对该纹理合成方法的数学模型进行了分析,对典型算法进行了比较总结。     

基于深度卷积网络的特征融合图像检索方法

近些年基于内容的图像检索方法在计算机视觉领域取得了突破性的进展,这些成就均归功于深度卷积网络强大的非线性拟合能力。传统的检索方法均使用全连接层的激活值作为图像特征,而该层提取到的向量仅能描述图像整体的轮廓信息,缺乏对局部细节的刻画能力,而卷积层提取到的特征对局部空间纹理有较好的刻画能力。针对该问题,文章提出一种三维特征图的融合算法,每一个特征图都赋予对应的权重,将三维的特征图编码为一维的特征向量用于检索任务。实验分析表明,提出的特征编码方法在INRIA和Oxford数据集上平均查准率均提高了1个百分点,表明从卷积层计算得到的特征向量比全连接层更加适合于检索任务。     

一种基于样图的三维纹理合成优化算法

为了避免网格重建过程,提高大量三维采样数据的快速绘制处理速度,提出一种有效的三维纹理合成算法.该算法为点模型上每一点建立邻域关系,并在点模型上建立方向场,将初始化纹理值作为基础纹理;建立模型上的点与样图的映射关系,并依次在样图中为点模型上每一点选取合适的纹理值;用点的绘制方法,完成纹理合成.实验结果表明,该算法能在三维模型上生成光滑、连续的纹理,算法纹理合成质量较好.     

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.     

基于线积分卷积可视化矢量场大小的研究

基于纹理的可视化方法以图像形式显示场的全貌,很好的可视化了矢量场的方向信息,但是矢量大小信息被忽略了.在基于纹理的线积分卷积图像的基础上,采用多频噪声的方法以及在线积分卷积图像上添加矢量、灰度值、颜色等附加信息的方法来改进线积分卷积图像,使图像能同时表达矢量场的方向和大小信息.实验证明,取得了较好的效果.     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

用图像类比方法实现艺术风格学习

提出一种基于实例的非真实感图像绘制算法, 该算法利用基于块的纹理合成方法, 在搜索匹配过程中应用粒子群优化算法加快纹理合成速度. 通过参数的调整控制匹配块在结构与细节间的倾向性, 只要输入一个艺术风格画样本就可以把该图的绘画风格传输到目标图中, 从而实现图像类比.     

一种局部频域分析的多尺度纹理特征提取方法

在局部二进制模型和多分辨率分析的基础上,提出一种基于局部频域分析的多尺度纹理特征提取方法.对纹理图像采用局部圆形邻域作为局部模板进行局部频率变换,对各频段图像实现多分辨率分析,提取多尺度下的特征向量,结合SVM算法进行分类实验.结果证明,该方法在继承了LBP对光照因素具有的稳定性的同时,具有旋转不变性特征;利用NSCT在多尺度下进行的纹理特征提取也满足尺度不变性的需要,与其他方法相比提高了分类准确率.