学位论文 > 优秀研究生学位论文题录展示

基于样图的纹理合成算法研究

作　者: 高孟琦
导　师: 张尤赛
学　校: 江苏科技大学
专　业: 信号与信息处理
关键词: 纹理合成 混合蛙跳 粒子群 块拼接 权值融合 灰度辅助合成
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 21次
引　用: 0次
阅　读: 论文下载
 

内容摘要


纹理合成是图像处理、计算机图形学研究的重点领域之一,其目的是利用计算机通过算法产生高质量的纹理。基于样图的纹理合成是最受关注的合成技术之一,它克服了传统纹理合成过程中出现的种种缺点,利用小块纹理样本就能输出大分辨率的纹理图像,可广泛应用于计算机三维可视化、虚拟现实、高仿真游戏以及电影特技中。提高纹理合成的速度和质量一直是基于样图的纹理合成研究的两个最基本的问题,近年来纹理合成的质量有很大提高。因此,本文在保证纹理合成质量的前提下,将如何提高纹理合成的效率和速度作为重点的研究内容。本文的主要工作和创新点如下:1.在研究基于MRF理论的纹理合成方法的基础上,提出了一种基于SFLA-PSO混合算法的纹理合成方法,以加速纹理合成过程中最耗时的邻域搜索匹配。实验结果表明,SFLA-PSO算法有PSO算法的简洁高效、搜索速度快的特点,同时又兼具SFLA全局搜索能力强,不易陷入局部最优的优点,应用到纹理合成中效果显著,性能稳定。2.提出了一种块自增的纹理合成方法,通过在新合成的纹理中选取尺寸不断增加的纹理块来分步加速合成图像。由于纹理块的尺寸不断增加,合成的速度相较之固定尺寸的合成方法大幅提高,使得合成算法对于图片分辨率的时间复杂度降低了一个函数阶次。3.针对彩色纹理的合成,根据HVS理论进一步改进了灰度辅助合成的方法,使得算法更为方便简洁;对于纹理块接缝处理,采取了权值融合的接缝平滑技术,相对于Efros的经典缝合方法更加易于实现,计算量也相对较少;将上述各种加速手段结合起来,综合运用到纹理合成过程中,使得合成速度显著提高。

全文目录


摘要  6-7
Abstract  7-13
第1章 绪论  13-17
  1.1 研究背景及意义  13-14
  1.2 研究的历史和现状  14-15
  1.3 论文的主要内容和组织结构  15-17
第2章 基于样图的纹理合成技术  17-31
  2.1 引言  17-18
    2.1.1 纹理的概念  17-18
    2.1.2 纹理的分类  18
  2.2 马尔科夫随机场  18-22
    2.2.1 基于图的MRF 模型  20-21
    2.2.2 基于图的GRF 模型  21-22
  2.3 基于MRF 的纹理合成算法  22-25
    2.3.1 WL 算法  22-24
    2.3.2 Ashikhmin 算法  24-25
  2.4 基于块拼接的纹理合成算法  25-29
    2.4.1 Efros 算法  26-27
    2.4.2 LL 算法  27-29
  2.5 本章小结  29-31
第3章 基于SFLA-PSO 的纹理合成算法  31-53
  3.1 引言  31
  3.2 PSO 粒子群优化算法  31-37
    3.2.1 算法的数学描述  32-34
    3.2.2 算法的实现和流程  34-35
    3.2.3 算法的参数分析  35-37
  3.3 基于PSO 的纹理合成算法  37-41
    3.3.1 算法原理  37
    3.3.2 粒子的纹理意义  37-38
    3.3.3 算法实现  38-39
    3.3.4 实验结果与分析  39-41
  3.4 基于SFLA-PSO 的纹理合成算法  41-46
    3.4.1 混合蛙跳算法和实现  41-43
    3.4.2 SFLA-PSO 算法原理和实现  43-44
    3.4.3 基于SFLA-PSO 的纹理合成算法原理  44
    3.4.4 基于SFLA-PSO 的纹理合成算法实现  44-46
  3.5 实验结果与分析  46-51
  3.6 本章小结  51-53
第4章 块拼接纹理合成算法的改进  53-73
  4.1 引言  53
  4.2 灰度辅助合成算法的改进  53-56
  4.3 块拼接重叠区域处理的改进  56-59
    4.3.1 经典处理算法  56-57
    4.3.2 权值融合  57-59
  4.4 块自增纹理合成算法  59-66
    4.4.1 块自增纹理合成  61-62
    4.4.2 实验结果和分析  62-66
  4.5 基于 SFLA-PSO 的块自增综合改进算法  66-71
    4.5.1 算法思想  66-67
    4.5.2 算法实现  67
    4.5.3 实验结果与分析  67-71
  4.6 本章小结  71-73
第5章 总结与展望  73-75
  5.1 全文总结  73
  5.2 进一步研究与展望  73-75
参考文献  75-77
攻读硕士学位期间发表的论文  77-79
致谢  79

相似论文

  1. 基于纹理特征的视频编码技术研究,TP391.41
  2. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  3. 有源电力滤波器及其在配电网中的应用,TN713.8
  4. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  5. 基于变异粒子群的聚类算法研究,TP18
  6. 语音情感识别的特征选择与特征产生,TP18
  7. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  8. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
  9. 基于控制方法的粒子群算法改进及应用研究,TP301.6
  10. 基于粒子群算法的露天矿道路路径优化研究,TP301.6
  11. 基于RFID监狱智能管理系统研究与实现,TP315
  12. 复杂动态环境下的小型足球机器人路径规划研究,TP242
  13. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  14. 移动机器人路径规划研究及仿真实现,TP242
  15. 基于粒子群算法的无线传感器网络路由技术研究,TP212.9
  16. 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
  17. 变邻域搜索算法研究及在组合优化中的应用,TP301.6
  18. 文化智能优化算法及其在约束优化问题中的应用研究,O224
  19. 基于SV回归的甲醇合成装置数据校正方法,TP18
  20. 电力系统无功优化的混合算法研究,TM714.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com