基于樣本的紋理合成方法研究.pdf

1、紋理合成在計算機視覺、計算機圖形學和圖像處理方面都有廣泛的應用。高質(zhì)、快速的基于樣本的紋理合成方法是其中最典型的代表，它能夠避免傳統(tǒng)紋理映射和過程紋理適用范圍有限以及調(diào)整參數(shù)繁瑣的缺點，因此其應用最為廣泛。雖然目前各類紋理合成算法層出不窮，但是對于紋理自身的刻畫以及其本質(zhì)屬性--自相似性的定義和度量依然不完備，而且在紋理合成質(zhì)量的評價方面也被人們所忽視。
　　 本文在綜述國內(nèi)外研究現(xiàn)狀的基礎之上，針對目前紋理自相似性的定義及度量

2、、平面紋理合成算法以及紋理合成結果的評價這三個方面研究存在的問題進行了分析，并提出了有效的解決方案。本文主要的內(nèi)容及創(chuàng)新點包括：
　　 第一，基于人們對于紋理的認知，考慮到紋理可以基于結構和外觀特征來進行紋理的識別，本文提出了一種紋理自相似性的定義以及如何度量紋理自相似性的定量方法。依據(jù)紋理自相似性的特點，本文從結構和外觀細節(jié)表示兩個方面對紋理屬性進行了量化計算。在進行紋理結構自相似性的度量方面，首先在一定尺度范圍內(nèi)提取紋理的邊

3、緣信息，并進行邊緣細化，在此基礎上求取代表位置點并劃分子區(qū)域，通過求取子區(qū)域之間的形狀差異因子和面積差異因子，同時考慮子區(qū)域的半徑和面積等因素，選出在閾值控制范圍之內(nèi)最相似的多個子區(qū)域，進而得到紋理樣本的結構自相似性程度。紋理外觀自相似性的度量從兩個方面分別進行求解，第一方面是進行子區(qū)域之間灰度直方圖的距離計算，得到在閾值控制范圍之內(nèi)的外觀最相似的子區(qū)域個數(shù)，結合面積比例等因素得到紋理外觀的子區(qū)域相似度；第二方面通過對紋理進行子塊劃分，

4、計算子塊和整個紋理之間灰度直方圖統(tǒng)計量上的差異，得到在閾值控制范圍內(nèi)外觀最相似的子塊個數(shù)，進而得出紋理外觀的子塊相似度。
　　 第二，根據(jù)紋理樣本的自相似屬性，提出播種紋理合成算法，思路為首先進行紋理樣本的分析及預處理，得到播種需要的樣本種子，而后基于樣本種子在合成空間進行播種合成。算法主要包含：選種、分離種子范圍、確定其生長方式、播種、種子生長、修正等一系列步驟。本文從算法概述、算法描述、算法實現(xiàn)以及實驗等多個環(huán)節(jié)對算法進行了

5、詳細說明。實驗證明該方法直觀明了、合成速度快，不論樣本是結構特征明顯的紋理還是隨機性較強的紋理，利用該方法都可獲得較為滿意的結果。
　　 第三，嘗試利用數(shù)值化的定量計算方法來劃分紋理類別并對紋理合成結果進行評價。本文基于紋理自相似性的屬性定義，計算樣本的結構自相似性和外觀自相似性，據(jù)此判定紋理樣本的自相似性程度。另外，通過組織用戶進行紋理的人工劃分及評價，將得到的主觀評價結果同本文的數(shù)值方法相比較，證明該文提出的紋理類別劃分方法