基于樣圖的紋理合成算法優(yōu)化.pdf

1、紋理是在計算機圖形學(xué)中一種普遍存在的視覺現(xiàn)象。紋理通常用來描述自然界中具有重復(fù)性的現(xiàn)象，如機房中的噪聲，物體移動，物體表面細(xì)節(jié)特征以及人類的活動等等。計算機圖形學(xué)的主要目標(biāo)就是再現(xiàn)真實世界，那么紋理合成在圖像處理和動畫領(lǐng)域上有著重要的意義。 首先，提煉多種紋理合成算法共性，提出一種基于馬爾可夫隨機場(MRF)的紋理合成算法框架設(shè)計，該架構(gòu)比較簡單靈活，由兩個相對獨立的模塊組成：多分辨率圖像金字塔和匹配查詢。每個模塊都可以進行獨立

2、的擴展。該框架是本文紋理合成算法擴展和優(yōu)化的原型。 其次，基于這種算法框架，提出一系列應(yīng)在紋理合成過程中進行提取的紋理特征。假設(shè)紋理為空間上分布的信號，挖掘出四個紋理特征作為合成過程的參考：紋理能量，像素顏色值，梯度和空間頻率。紋理能量是紋理的全局信息，那么紋理合成過程就轉(zhuǎn)換為能量最小化的優(yōu)化過程。在能量約束下誤差不會在紋理生成過程中累積，紋理的全局信息可以在大范圍內(nèi)得到交換。像素顏色值是紋理合成的基本依據(jù)。梯度為合成過程加入了

3、高通濾波效應(yīng)，增強了合成紋理的高頻信息。鄰域尺寸的設(shè)置對最終結(jié)果影響頗大，通過動態(tài)空間頻率檢測，可以在適當(dāng)?shù)膱鼍爸惺褂眠m當(dāng)?shù)泥徲虺叽纭?最后，對算法的迭代過程和匹配查詢過程進行加速。提出基于遺傳算法的混合迭代優(yōu)化以及多分辨率多尺度的方式進行紋理合成，可以有效降低在迭代過程中陷入局部極值的可能性。同時，使用k-d樹或TSVQ(tree-structured vector quantization)樹等技術(shù)，對鄰域匹配操作進行加速。