基于图论优化的约束纹理合成

提出一种基于图论优化的约束纹理合成算法对图像缺陷部分进行修复.首先给出一种基于图论优化的纹理合成方法,该方法采用图论中的最大流-最小割算法对纹理块之间的匹配进行优化;然后对此算法进行扩展,在纹理合成的过程中采用不同类型边界区域来寻找匹配.使得被修复的图像区域过渡自然,没有明显边界感.     

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.     

基于相容粒的多层次纹理特征图像检索方法

针对传统纹理图像检索方法精度不理想的问题.给出了基于相容粒空间的多层次图像纹理识别方法.然后,针对纹理图像在颜色考虑上的缺失,提出了在粒度层次上进行颜色匹配的方法.最后,结合以上两种方法,给出了综合颜色和纹理特征的相似度改进算法.对比实验证明了该方法的有效性和合理性.     

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.     

基于区域特征的模糊多尺度Markov模型在纹理图像分割中的应用

针对传统Markov模型中似然函数假设条件过于严格,观测图像像素间的相依关系不能充分利用的缺点,提出了一种基于区域特征的模糊多尺度Markov模型实现纹理图像分割模型.该模型首先利用一种区域特征提取方法,描述像素间的相依关系;然后,以区域特征的聚类结果作为先验信息,通过模糊多尺度Markov模型得到分割结果;最后采用Brodatz纹理库合成的人工图像作为实验数据,从定性和定量两方面验证了该模型的有效性.     

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.     

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.     

基于块缝合纹理合成算法的Java语言实现

概括了纹理的性质以及相关的一些概念,并总结几种重要的纹理合成的方法。在此基础上,提出了一种基于块缝合的纹理合成算法的Java语言实现,并给出关键部分的代码。最后,通过测试代码获得几种纹理图像的合成与识别效果与分析此算法的结果和效率,对此算法的优缺点进行概括。     

人类视觉特性的数字水印新方案

通过分析人类视觉特性,设计一种基于人类视觉特性、图像亮度特征及图像纹理特征的水印嵌入新方案.文中方案充分利用人类视觉特性,将水印信息嵌入到图像亮度较大和纹理复杂的区域.测试结果表明:文中方案具有较高的透明性和较强的鲁棒性.