基于结构性信息的纹理合成及其应用

论文摘要

纹理合成是计算机图形学、计算机视觉中的一个研究热点，具有广泛的应用价值。近年出现的基于样图的纹理合成算法将纹理分成小块，将其描述为一个二维的马尔可夫模型，待合成的区域由其周围己合成的区域决定，通过相邻块的重叠区域在样图中搜索到最匹配的块作为当前块。 传统的单纯基于颜色的匹配算法在处理纹理时往往效果不尽如人意，通过试验，我们发现，基于样图的纹理合成算法大部分时候是一个少约束的问题，往往对于一个块，在样图中能找到数个匹配度相似但内容相差较大的块，这样往往选中的块不能和已有的块结合得很好。为了解决这个问题，我们提出了一种新的同时考虑颜色差和结构性信息的差别的图像匹配算法。本文提出的算法首先对图像进行边缘检测，将检测到的边缘点作为结构性信息。传统的点点匹配算法具有指数级的复杂度，很难直接用于纹理匹配。为此，我们提出了一个两层的匹配算法，大大降低了匹配的复杂度。算法首先将相邻的边界点连成曲线，先在曲线级别做匹配，在曲线级别匹配好之后，再在每个匹配的曲线点集上进行逐点匹配，两个图像的结构性差别为对应点的差别的和。试验证明，该算法能找到更精确的匹配块，进而增强纹理合成的效果。 本文还将本算法应用于图像修复和超分辨率技术，实验表明，本文提出的算法能提高已有算法的修复和合成效果。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 第二章 相关工作
• 2.1 纹理合成的基本概念
• 2.2 现有的纹理合成算法
• 2.3 基于纹理合成的应用
• 第三章 基于结构性信息的纹理合成方法
• 3.1 颜色结构差概念
• 3.2 样本图像的结构特征提取
• 3.3 颜色结构差的计算
• 3.3.1 曲线级别匹配
• 3.3.2 点级别匹配
• 3.3.3 颜色结构差（ISD）
• 3.4 纹理合成过程
• 3.5 纹理合成的优化
• 3.5.1 快速傅立叶变换加速
• 3.5.2 利用Graphcut方法进行合成优化
• 第四章 基于结构性信息的纹理合成应用
• 4.1 图像修复
• 4.1.1 图像修复介绍
• 4.1.2 基于纹理合成的图像修复算法
• 4.1.3 本文算法的应用
• 4.2 基于样图的超分辨率技术
• 4.2.1 超分辨率技术介绍
• 4.2.2 相关工作
• 4.2.3 主要算法
• 4.2.4 本文算法的应用
• 第五章 实验结果与分析
• 5.1 纹理合成结果
• 5.2 图像修复结果
• 5.3 超分辨率结果
• 第六章 总结和展望
• 参考文献
• 附录：图例说明
• 致谢