【摘 要】
:
纹理合成是以人工合成纹理为目的,是计算机图形图像处理领域的重要研究内容。基于样图的纹理合成是近年来出现的新技术,它以小块纹理图像作为输入合成任意大小的同类纹理图像
论文部分内容阅读
纹理合成是以人工合成纹理为目的,是计算机图形图像处理领域的重要研究内容。基于样图的纹理合成是近年来出现的新技术,它以小块纹理图像作为输入合成任意大小的同类纹理图像。该技术以高质量的输出图像、满足实时需要的合成速度与全自动的合成过程为目标。随着近些年来计算机三维绘图能力的飞速提高和对大尺寸高质量纹理的强烈需求,基于样图的纹理合成成为热门研究领域之一。本文对基于样图的纹理合成技术进行了研究,在已有的算法基础上提出改进,主要工作有:1.简要介绍基于样图纹理合成的研究背景和意义、研究现状、存在的问题和应用领域,详细介绍了基于MRF模型的纹理合成的基本概念,并研究了一些经典的基于点合成和块拼接的算法思想,总结各算法的优缺点及其适合处理的纹理类型。2.在研究和总结现有算法的基础上,提出了一种基于块的纹理合成的改进算法。算法将Ashikhmin算法基于像素点的纹理合成推广到基于块的纹理合成,搜索规则中部分采用了MRF模型,在L邻域中找不到匹配块时采用全局搜索的方法,加速了匹配搜索,在匹配中采用了新的误差距离测量函数,使纹理合成的效果更符合视觉要求。通过仿真实验验证了所给的算法。3.研究了基于样图的纹理合成在图像修复中的应用,并在Criminisi A算法的基础上,提出了一种利用纹理块来修复大面积破损区域的改进算法,算法缩小了搜索范围,采用更加有效的优先权计算公式,对于大块破损区域的修复较好的保持了纹理细节,通过实验仿真和结果分析验证了算法的可行性。本文算法在计算机动画、制作虚拟现实中的场景、在电影、游戏等产业中有具有一定的应用前景。
其他文献
自从20世纪80年代以来,群体智能(Swarm Intelligence)作为一个新兴领域,引起了许多研究人员的关注,已经成为人工智能以及社会、经济、生物等交叉学科的热点和前沿领域。人工神经
随着信息量的增长,数据挖掘技术在越来越多的领域广泛应用。数据挖掘是通过对大量数据进行处理,析取、识别和发现可用知识的过程,从而帮助用户了解已有的信息,并预测未来的信息。
随着云时代的来临,大数据(Big data)也吸引了越来越多行业以及学术界的关注。近些年中,数据以指数级的速度增长,为了保证数据中心的对外提供服务的质量,实现更好的分布式文件
随着全球定位系统(Global Positioning System,简称GPS)越来越普遍地运用,考虑到对移动对象(Moving Object)进行定位跟踪,通过GPS获取到移动对象的活动轨迹,并对轨迹序列进行
目前,人们越来越重视对环境态势方面监测。随着环境态势的重要性日益增加,监测数据的不断积累,各个部门构建了不同的环境态势可视化系统。但是各个部门间缺乏联系,不能复用已
伴随着信息技术的网络化、数字化和自动化的进一步发展,大量的秘密信息之间不断进行着相互地传输与交流,因而对信息安全的要求也变得新益求新。信息安全是信息技术发展的保障
随着互联网在人们工作、生活中的日益渗透以及互联网海量信息的飞速膨胀,催生了互联网搜索业务的诞生以及搜索引擎技术的发展。然而,现存的传统搜索引擎虽然部分解决了人们的
敏感图像作为不良信息的一种,严重破坏了健康的网络环境。为此研究者们提出了多种敏感图像过滤技术,其中以基于内容分析的过滤方法最为流行。然而,基于内容的敏感图像过滤技
随着社会经济的飞速发展和物质不断充实,人们对精神文化的诉求愈发迫切。人类社会发展的漫漫历史长河中文化遗珠浩如烟海,其中有一类体现地区文化特色,以口口相传的方式在民间传
随着计算机及网络技术的普及,计算机和网络逐渐成为人们生活和生产不可或缺的一部分。计算机和网络在给人们带来极大便利的同时,也带来的了令人应接不暇的计算机安全问题,如