基于样图的纹理合成技术研究

《基于样图的纹理合成技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学博士学位论文基于样图的纹理合成技术研究姓名：李一哲申请学位级别：博士专业：计算机软件与理论指导教师：陈国良20060501中国科学技术大学博士学位论文摘要有不同程度的缩小，对大多数结构化纹理，搜索空间至少可以减小一到两个数量级，直接加速了纹理合成的过程．(3)基于结构坐标的纹理合成算法．本文以传统的基于像素的纹理合成框架为基础，给出一种基于结构坐标匹配的纹理合成算法．该算法在结构模式分析的基础上首次提出纹理结构坐标的概念．在像素合成阶段，结构坐标差异与像素邻域色彩差异一起作为匹配准

2、则．通过对结构坐标匹配时的阐值进行设置，该算法还可以对输出纹理的随机度进行控制．理论及实验证明，使用结构坐标匹配明显改善了合成纹理的结构，有效弥补了传统的基于像素的合成难以再现纹理大范围特性的不足．同时，像素全局匹配时的搜索空间根据纹理随机度的差另4有不同程度的缩小，有效加速了纹理合成的过程．(4)使用动态特征点匹配的纹理优化算法．本文以基于优化的纹理合成算法为基础，提出一种加入特征点匹配要素的纹理合成算法．该算法在预处理阶段以特征点周期位置为准则，生成一组经过优化的初始块集合．在块匹配盼段中，算

3、法随时检查和保证不同块中特征点之间应有的相对位置，并对特征点网格进行动态调整．理论及实验证明，使用特征点匹配生成的初始块集合可以大大加快算法的收敛速度，而块匹配时对特征点相对位置的检查则可以有效保证输出图像结构的正确性．本研究工作的主要创新点为：(1)首次所提出的一种用于分析纹理中特征点分布的结构模式分析方法，可以有效识别和定位纹理中的全局特性，对传统的纹理合成算法是一个有力的辅助工具．(2)所提出的基于特征点定位的纹理合成算法，通过特征点定位直接排除了会导致输出图像结构性错误的匹配位置，在确保了

4、输出图像结构正确的同时，也大幅度减少了块匹配时的搜索空问，直接提升了合成速度．(3)为了定位纹理中的全局特征，首次提出了结构坐标的概念，并将其应用于基于像素的纹理合成框架中．通过结构坐标的匹配，将纹理全局结构信息准确传递给合成算法，有效改善了输出图像的结构，同时大幅度减少了像素匹配时的搜索空间，提升了合成速度．2中国科学技术大学博士学位论文摘要AbstractThegoaloftexturesynthesisistoproducetexture．Itisallimportantresearchar

5、eainbothcomputergraphicsandimageprocessing．Sample-basedtexturesynthesiswasanewtechniqueproposedinrecentyears．IttakessmalltextureimageasinputtOsynthesissamekindoftexturebutinarbitrarysize．T}listechniqueiswidelyusedinproducingvirtualrealitysceneandsatis

6、fiesthegreatneedinapplicationareassuchasmovieindustryandcomputergame．Withtherapiddevelopmentofcomputer3Dgraphicsabilityandthegreatneedoflargesizeandhighqualitytextureinrecentyears．sample-basedtexturesynthesisbecameahotresearcharea．n圯goalofsample·based

7、texturesynthesisishighqualityoutputimage．synthesisspeedthatsatisfiesrealtimeapplicationandfullautomaticsynthesisprocess．Witllthelargeamountworkofresearcherstheseyears．sample—basedtexturesynthesistechniquehasachievedmuch．Themainchallengeofthisareacurre

8、ntlyliesinsynthesisspeedandthequalityofsynthesizedimage．InordertOsolvetheseproblems，thisthesisaimsatfastandhigIlqualitytexturesynthesisalgorithm．Mainworkofthisthesisincludesthefollowing：(1)Globalfeaturerecognitionandextractionforstructuredtext