论文部分内容阅读
基于样图的纹理合成技术(Texture Synthesis from Samples,TSFS)是近年来发展起来的一项新的纹理生成技术,它既克服了传统纹理映射技术可能带来的纹理接缝和纹理扭曲的缺陷,也避免了过程纹理合成(Procedural Texture Synthesis,PTS)参数选择的繁琐过程,因而成为计算机图形学、计算机视觉领域的研究热点之一。 本文首先介绍基于样图的纹理合成技术的国内外研究现状,对TSFS的基本模型、原理和经典算法进行了详细地介绍和讨论。在此基础上,本文对TSFS技术中若干关键问题展开了深入的研究,主要研究内容如下: 1.对基于样图的纹理合成技术的研究历史进行较全面的回顾,对其中的经典算法进行了分类,并总结它们的优缺点。 2.利用纹理图像及其子图像的直方图的相似性,提出一种Wei&Levoy算法中L邻域最佳尺寸的自动选取算法,避免因为L邻域尺寸选取不当而引起的合成时间的增加和合成质量的降低。 3.提出一种基于灰度辅助纹理和自组织特征映射的纹理合成算法:(1)使用纹理图像的灰度图像作为辅助纹理加速纹理合成过程;(2)提出一种改进的SOM神经网络的向量构造、学习、和测试方法,对纹理邻域集合进行分类,并使用分类结果进行纹理合成。 4.对二维实时纹理合成算法展开了深入地研究,主要内容包括:(1)介绍基于最大梯度和灰度相关匹配的Image Quilting加速算法,基本达到实时性要求;(2)提出一种新的纹理贴块——s-Tiles生成算法,并使用s-Tiles实时合成高质量的纹理。此外,还提出一种基于s-Tiles的应用——“纹理句子”的实时生成,达到了很好的效果。 5.研究三角网格曲面的快速纹理合成。首先由输入样本纹理使用随机顺序纹理合成算法生成一个新的用于曲面纹理合成的样本纹理,然后提出一种基于