CN106815879A - 一种基于lbp特征的快速纹理合成方法 - Google Patents
一种基于lbp特征的快速纹理合成方法 Download PDFInfo
- Publication number
- CN106815879A CN106815879A CN201710034135.3A CN201710034135A CN106815879A CN 106815879 A CN106815879 A CN 106815879A CN 201710034135 A CN201710034135 A CN 201710034135A CN 106815879 A CN106815879 A CN 106815879A
- Authority
- CN
- China
- Prior art keywords
- image block
- block
- image
- texture
- filled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于LBP特征的快速纹理合成方法，首先通过统计的方法自动选择一个合适的纹理块尺寸，然后通过等价模式的LBP特征值来代替灰度值进行块匹配，等价模式的LBP特征值只有59种，比原有的灰度值少一个数量级，因此能够快速进行搜索匹配，找到合适的图像块对输出图像进行填充。本发明提出的方法简单实用，复杂度小，可以实时处理各类纹理样本图像，拥有很好的实用价值。
Description
技术领域
本发明属于数字图像处理和计算机视觉技术领域，特指一种基于LBP特征的快速纹理合成方法。
背景技术
纹理合成是为解决纹理映射中存在的接缝走样变形以及纹理的获取等问题，而发展起来的一种纹理绘制技术。这类方法可以利用一小块输入纹理样本生成任意大小的相似纹理。它在三维真实感显示、虚拟现实、图像修复等方面都有重要的应用价值，一直受到计算机图形学、计算机视觉和图像处理领域的广泛关注。
目前，纹理合成主要有过程纹理合成和基于样图的纹理合成两类方法。过程纹理合成又称为物理仿真，它是通过对物理生成过程的仿真直接在曲面上生成纹理，如毛发、云雾、木纹等，从而避免了纹理映射带来的失真。这种方法虽然可以获得逼真的结果，但由于每一种纹理对应不同的参数，且构造和调试十分复杂，方法之间不具有通用性，使用不方便。
基于样图的纹理合成是新近发展起来的一种技术，它根据给定的小区域纹理样本的表面特征，生成与样本相似的任意大小纹理图像。基于样图的纹理合成技术克服了纹理映射带来的接缝走样问题，避免了过程纹理合成调整参数的繁琐，种种优点使之成为纹理合成领域的主流研究方向。
各国学者对基于样图的纹理合成技术进行了深入研究，提出了很多方法，也取得了很大的进展。特别是基于MRF模型的纹理合成方法,通过全局优化进行参数求解,获得了很好的纹理合成效果。但是这些方法通常比较复杂，处理过程比较耗时，无法满足一些实时应用场景的需求。
发明内容
针对现有方法存在的缺陷，本发明的目的在于提出一种基于LBP特征的快速纹理合成方法。
本发明的技术方案是：
一种基于LBP特征的快速纹理合成方法，包括以下步骤：
S1通过统计的方法确定用于匹配的纹理块的尺寸
S1.1初始化纹理块的尺寸k＝9；
S1.2给定一个纹理样图FI(x,y)，图像大小为Wf×Hf；随机在FI(x,y)上选择10个点，分别以这些点为中心，直径为k的领域内，计算灰度均值信息，一共可以得到10个灰度均值{αi|i＝1,…,10}，统计这10个灰度均值的差异度D：
其中参数b是均值，
S1.3设定差异度阈值，这里差异度阈值取值为20。当差异度D＞20时，令k＝k+5并转到S1.2重新计算差异度；当差异度D≤20时，则程序停止，输出当前k值作为最终选择的纹理块尺寸.
S2基于LBP图像进行纹理合成
S2.1计算纹理样图FI(x,y)中各个像素的等价模式的LBP特征值；
对于纹理样图FI(x,y)中的各个像素点，以其中任一个像素点(xc,yc)为中心像素点，取其四周紧邻的8个像素点，再以中心像素点(xc,yc)的灰度值为阈值，将环绕该点的8个像素点二值化，若某一点的灰度值大于等于中心点像素(xc,yc)的值，则该像素点被标记为1，否则标记为0，然后通过等价模式进行处理最终得到一个8位的二进制数，将8位的二进制数转化为十进制数所得的值即为该中心像素点的LBP值，等价模式的LBP特征值U(x,y)定义如下：
其中(xc,yc)表示中心像素点的位置，gc表示中心像素点的灰度值，{gj|j＝1,2,…,8}表示四周紧邻的8个像素点的灰度值，
采用上述方法计算纹理样图FI(x,y)中的所有像素点的等价模式的LBP特征值；
S2.2从纹理样图FI(x,y)中随机选取一块尺寸为k×k的图像块，填充到待输出的新纹理图像OT(x,y)的左上角第一个图像块的位置；
S2.3基于S2.2中已填充的纹理图像OT(x,y)上其左上角的第一个图像块，按照从左到右、从上到下的顺序依次对纹理图像OT(x,y)的每个图像块进行填充，最终得到输出纹理图像OT(x,y)的全部信息。
如图4所示，输出的纹理图像OT(x,y)上其左上角的第一个图像块(就是图中的图像块1)是通过步骤S2.2随机选择填充的，然后从图像块2开始进行填充，然后再对2右边的图像块3开始进行填充，这一行的填完以后，转到最开始图像块1的正下方图像块6，作为第二行的开始，依次顺利对纹理图像OT(x,y)进行填充，最终得到输出纹理图像OT(x,y)的全部信息。如图5所示，按照箭头的顺序从左到右、从上到下的依次合成输出纹理图像OT(x,y)的其他块。
设图像块A是纹理图像OT(x,y)中按照填充顺序待填充的图像块，对于图像块A有三种情况：如果图像块A位于第一行即其正上方没有填充完毕的图像块且其左边的图像块已填充完毕时，选择图像块A左边大小为k×(k/5)的图像块A2进行块匹配；如果图像块A位于第一列即其左边没有填充完毕的图像块且其正上方的图像块已填充完毕时，选择图像块A正上方大小为(k/5)×k的图像块A1进行块匹配；如果图像块A左边的图像块和其正上方的图像块都已填充完毕，这时选择图像块A正上方大小为(k/5)×k的图像块A1以及图像块A左边大小为k×(k/5)的图像块A2进行块匹配；
如图6所示，设图像块A是纹理图像OT(x,y)中按照填充顺序待填充的图像块，以图像块A为例说明纹理图像OT(x,y)中的各图像块填充方法。此时图像块A左边的图像块或/和其正上方的图像块已填充完毕。
根据已知的图像块A的上部和左边的图像进行块匹配，即选择图像块A正上方大小为(k/5)×k的图像块A1以及图像块A左边大小为k×(k/5)的图像块A2进行块匹配，如图6所示的斜线部分。
在纹理样图FI(x,y)中进行尺寸为k×k的滑动窗口搜索，当窗口位于纹理样图FI(x,y)中的图像块B的位置时，同样选择图像块B左边的大小为k×(k/5)的图像块B2以及图像块B正上方大小为(k/5)×k的图像块B1进行块匹配。计算图像块B1、B2和图像块A1、A2的灰度差异作为图像块“B”的匹配差异MAD(B)，公式如下：
MAD(B)＝∑|UB1(x,y)-UA1(x,y)|+∑|UB2(x,y)-UA2(x,y)| 公式4
其中，UA1(x,y)、UA2(x,y)、UB1(x,y)、UB2(x,y)分别表示图像块中每个像素点在等价模式下的LBP值。当图像块A位于第一行即其正上方没有填充完毕的图像块且其左边的图像块已填充完毕时，公式4中∑|UB2(x,y)-UA2(x,y)|取0，即只选择图像块B左边的大小为k×(k/5)的图像块B2进行块匹配；当图像块A位于第一列即其左边没有填充完毕的图像块且其正上方的图像块已填充完毕时，公式4中∑|UB1(x,y)-UA1(x,y)|取0，即只选择图像块B正上方大小为(k/5)×k的图像块B1进行块匹配。在步骤S2.1中已经计算了所有像素点的等价模式LBP值，这里只需要调用即可。
设定阈值，阈值一般取值k×k/25，当差异MAD(B)小于给定阈值时，将图像块B放在候选集合里面；当候选集合的图像块大于5或者纹理样图FI(x,y)中所有图像块都搜索完毕后，从候选集合里面随机选择一个块对图像块A进行填充。
通过上述方法，依次对图像OT(x,y)的每个图像块进行填充，最终得到输出纹理图像OT(x,y)的全部信息。
本发明的有益技术效果：
本发明首先通过统计的方法自动选择一个合适的纹理块尺寸，然后通过等价模式的LBP特征值来代替灰度值进行块匹配，等价模式的LBP特征值只有59种，比原有的灰度值少一个数量级，因此能够快速进行搜索匹配，找到合适的图像块对输出图像进行填充。本发明提出的方法简单实用，算法复杂度小，可以实时处理各类纹理样本图像，拥有很好的实用价值。
附图说明
图1是基于LBP特征的快速纹理合成方法的流程图；
图2是基本的LBP算子的示意图；
图3是输出纹理图像的第一块图像填充示意图；
图4是输出纹理图像的填充顺序示意图一
图5是输出纹理图像的填充顺序示意图二；
图6是块匹配的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
参照图1，本发明一种基于LBP特征的快速纹理合成方法，包括以下步骤：纹理合成问题可以描述为：给定一个纹理样图FI(x,y)，图像大小为Wf×Hf，根据FI(x,y)的纹理特征，生成一个大小为Wo×Ho的新纹理图像OT(x,y)。
在纹理合成的过程中，纹理块的尺寸是一个很重要的参数，直接影响最终图像的生成效果。在以往的方法里，一般提前设定或通过交互的方式当场确定。这些处理方法都不适用于实时处理系统，因此本发明首先对纹理样本图像进行分析，确定纹理块的尺寸。
纹理图像与一般图像不同，纹理图像具有局域性和稳定性的特性。本发明随机在FI(x,y)上选择10个点，分别采用逐渐增大的窗口领域信息，统计领域内的灰度信息，随着窗口的增大，这些统计值将变得越来越稳定。选取刚好能满足局部统计稳定性的最小窗口作为纹理块的尺寸大小，具体计算步骤如下：
S1.1初始化纹理块的尺寸k＝9；
S1.2随机在纹理样图FI(x,y)上选择10个点，分别以这些点为中心，直径为k的领域内，计算灰度均值信息，一共可以得到10个灰度均值{αi|i＝1,…,10}，统计这10个灰度均值的差异度D：
其中参数b是均值，
S1.3当差异度D＞20时，令k＝k+5并转到S1.2重新计算差异度；当差异度D≤20时，则程序停止，输出当前k值作为最终选择的纹理块尺寸。
选择纹理块的尺寸后，则进入纹理合成阶段。如果直接采用图像块的灰度信息进行匹配搜索，第一比较耗时，第二对于未包含足够变化的纹理样图合成结果不佳，甚至导致失败。局部二进值模板LBP能够用来捕捉纹理中局部亮度变化的微观结构，因此可以用它来描述表征图像块纹理的两个互补特征：局部空间模式和对比度。考虑到LBP这一优点，本发明提出了一种新的基于LBP图像进行纹理合成方法，具体步骤如下：
S2.1计算纹理样图FI(x,y)中各个像素的等价模式的LBP特征值；
如图2所示，LBP算子的基本原理是：对于一幅图像中的各个像素点，以其中一个像素点为中心，取其四周紧邻的p(＝8)个像素点。再以该像素点的灰度值为阈值，将环绕该点的p个像素点二值化(若某一点的灰度值大于等于中心点像素的值，则该像素点被标记为1，否则标记为0)。最终得到一个p位的二进制数，转化为十进制数所得的值即为该中心像素点的LBP值，共有2p＝256种。具体公式如下：
其中(xc,yc)表示中心像素点的位置，gc表示中心点的灰度值，gp表示四周紧邻像素点的灰度值。
通过这个方法每个像素得到LBP值种类有256种，为了进一步提高效率，本发明采用等价模式进行改进。本发明计算纹理样图FI(x,y)中各个像素的等价模式的LBP特征值的方法是：
对于纹理样图FI(x,y)中的各个像素点，以其中任一像素点(xc,yc)为中心像素点，取其四周紧邻的8个像素点，再以中心点像素(xc,yc)的灰度值为阈值，将环绕该点的8个像素点二值化，若某一点的灰度值大于等于中心像素点(xc,yc)的值，则该像素点被标记为1，否则标记为0，然后通过等价模式进行处理最终得到一个8位的二进制数，将8位的二进制数转化为十进制数所得的值即为该中心像素点的LBP值，等价模式的LBP特征值U(x,y)定义如下：
其中(xc,yc)表示中心像素点的位置，gc表示中心像素点的灰度值，{gj|j＝1,2,…,8}表示四周紧邻的8个像素点的灰度值；
采用上述方法计算纹理样图FI(x,y)中的所有像素点的等价模式的LBP特征值。
在等价模式下，输出的种类为p2-p+2＝58种，除等价模式类以外的模式都归为另一类，称为混合模式类。因此这种模式一共得到59种。大大少于开始的256种。
S2.2从纹理样图FI(x,y)中随机选取一块尺寸为k×k的图像块，填充到待输出的新纹理图像OT(x,y)的左上角第一个图像块的位置，如图3所示。
S2.3基于S2.2中已填充的纹理图像OT(x,y)上其左上角的第一个图像块，按照从左到右、从上到下的顺序依次对纹理图像OT(x,y)的每个图像块进行填充，最终得到输出纹理图像OT(x,y)的全部信息；
如图4所示，输出的纹理图像OT(x,y)上其左上角的第一个图像块(就是图中的图像块1)是通过步骤S2.2随机选择填充的，然后从图像块2开始进行填充，然后再对2右边的图像块3开始进行填充，这一行的填完以后，转到最开始图像块1的正下方图像块6，作为第二行的开始，依次顺利对纹理图像OT(x,y)进行填充，最终得到输出纹理图像OT(x,y)的全部信息。如图5所示，按照箭头的顺序从左到右、从上到下的依次合成输出纹理图像OT(x,y)的其他块。
如图6所示，设图像块A是纹理图像OT(x,y)中按照填充顺序待填充的图像块，以图像块A为例说明纹理图像OT(x,y)中的各图像块填充方法。此时图像块A左边的图像块和其正上方的图像块已填充完毕。
根据已知的图像块A的上部和左边的图像进行块匹配，即选择图像块A正上方大小为(k/5)×k的图像块A1以及图像块A左边大小为k×(k/5)的图像块A2进行块匹配，如图6所示的斜线部分。如果图像块A位于第一行则采用其左边的图像进行块匹配；如果图像块A位于第一列则采用其正上方的图像进行块匹配。
在纹理样图FI(x,y)中进行尺寸为k×k的滑动窗口搜索，当窗口位于纹理样图FI(x,y)中的图像块B的位置时，同样选择图像块B左边的大小为k×(k/5)的图像块B2以及图像块B正上方大小为(k/5)×k的图像块B1进行块匹配【说明:在纹理样图FI(x,y)中进行尺寸为k×k的滑动窗口搜索，会避开第一行和第一列，所以每次选择的图像块B的正上方和左方都有图像块的。】。计算图像块B1、B2和图像块A1、A2的灰度差异作为图像块B的匹配差异MAD(B)，公式如下：
MAD(B)＝∑|UB1(x,y)-UA1(x,y)|+∑|UB2(x,y)-UA2(x,y)| 公式4
其中，UA1(x,y)、UA2(x,y)、UB1(x,y)、UB2(x,y)分别表示图像块中每个像素点在等价模式下的LBP值。当图像块A位于第一行时，公式4中∑|UB2(x,y)-UA2(x,y)|取0，即只选择图像块B左边的大小为k×(k/5)的图像块B2进行块匹配。当图像块A位于第一列时，公式4中∑|UB1(x,y)-UA1(x,y)|取0，即只选择图像块B正上方大小为(k/5)×k的图像块B1进行块匹配。在步骤S2.1中已经计算了所有像素点的等价模式LBP值，这里只需要调用即可。
设定阈值，当差异MAD(B)小于给定阈值时，将图像块B放在候选集合里面；当候选集合的图像块大于5或者纹理样图FI(x,y)中所有图像块都搜索完毕后，从候选集合里面随机选择一个块对图像块A进行填充。
通过上述方法，依次对图像OT(x,y)的每个图像块进行填充，最终得到输出纹理图像OT(x,y)的全部信息。
以上包含了本发明优选实施例的说明，这是为了详细说明本发明的技术特征，并不是想要将发明内容限制在实施例所描述的具体形式中，依据本发明内容主旨进行的其他修改和变型也受本专利保护。本发明内容的主旨是由权利要求书所界定，而非由实施例的具体描述所界定。
Claims (4)
1.一种基于LBP特征的快速纹理合成方法，其特征在于，包括以下步骤：
S1.通过统计的方法确定用于匹配的纹理块的尺寸；
S1.1初始化纹理块的尺寸k＝9；
S1.2给定一个纹理样图FI(x，y)，图像大小为Wf×Hf；随机在纹理样图FI(x，y)上选择10个点，分别以这些点为中心，直径为k的领域内，计算灰度均值信息，一共可以得到10个灰度均值{αi|i＝1，…，10}，统计这10个灰度均值的差异度D：
其中参数b是均值，
S1.3设定差异度阈值，当差异度D大于设定阈值时，令k＝k+5并转到S1.2重新计算差异度；当差异度小于或等于差异度阈值时，则停止并输出当前k值作为最终选择的纹理块尺寸；
S2.基于LBP图像进行纹理合成；
S2.1计算纹理样图FI(x，y)中各个像素的等价模式的LBP特征值；
S2.2从纹理样图FI(x，y)中随机选取一块尺寸为k×k的图像块，填充到待输出的新纹理图像OT(x，y)的左上角第一个图像块的位置；
S2.3基于S2.2中已填充的纹理图像OT(x，y)上其左上角的第一个图像块，按照从左到右、从上到下的顺序依次对纹理图像OT(x，y)的每个图像块进行填充，最终得到输出纹理图像OT(x，y)的全部信息。
2.根据权利要求1所述的基于LBP特征的快速纹理合成方法，其特征在于，步骤S1.3中，差异度阈值设为20。
3.根据权利要求1所述的基于LBP特征的快速纹理合成方法，其特征在于，步骤S2.1中纹理样图FI(x，y)中各个像素的等价模式的LBP特征值的计算方法如下：
对于纹理样图FI(x，y)中的各个像素点，以其中任一像素点(xc，yc)为中心像素点，取其四周紧邻的8个像素点，再以中心点像素(xc，yc)的灰度值为阈值，将环绕该点的8个像素点二值化，若某一点的灰度值大于等于中心像素点(xc，yc)的值，则该像素点被标记为1，否则标记为0，然后通过等价模式进行处理最终得到一个8位的二进制数，将8位的二进制数转化为十进制数所得的值即为该中心像素点的LBP值，等价模式的LBP特征值U(x，y)定义如下：
其中(xc，yc)表示中心像素点的位置，gc表示中心像素点的灰度值，{gj|j＝1，2，…，8}表示四周紧邻的8个像素点的灰度值；
采用上述方法计算纹理样图FI(x，y)中的所有像素点的等价模式的LBP特征值。
4.根据权利要求1所述的基于LBP特征的快速纹理合成方法，其特征在于，步骤S2.3中，纹理图像OT(x，y)中的各图像块的填充方法是：
设图像块A是纹理图像OT(x，y)中按照填充顺序待填充的图像块，对于图像块A有三种情况：如果图像块A位于第一行即其正上方没有填充完毕的图像块且其左边的图像块已填充完毕时，选择图像块A左边大小为k×(k/5)的图像块A2进行块匹配；如果图像块A位于第一列即其左边没有填充完毕的图像块且其正上方的图像块已填充完毕时，选择图像块A正上方大小为(k/5)×k的图像块A1进行块匹配；如果图像块A左边的图像块和其正上方的图像块都已填充完毕，这时选择图像块A正上方大小为(k/5)×k的图像块A1以及图像块A左边大小为k×(k/5)的图像块A2进行块匹配；
在纹理样图FI(x，y)中进行尺寸为k×k的滑动窗口搜索，当窗口位于纹理样图FI(x，y)中的图像块B的位置时，同样选择图像块B左边的大小为k×(k/5)的图像块B2以及图像块B正上方大小为(k/5)×k的图像块B1进行块匹配，计算图像块B1、B2和图像块A1、A2的灰度差异作为图像块B的匹配差异MAD(B)，公式如下：
MAD(B)＝∑|UB1(x，y)-UA1(x，y)|+∑|UB2(x，y)-UA2(x，y)| 公式4
其中，UA1(x，y)、UA2(x，y)、UB1(x，y)、UB2(x，y)分别表示各图像块中每个像素点在等价模式下的LBP值；当图像块A位于第一行即其正上方没有填充完毕的图像块且其左边的图像块已填充完毕时，公式4中∑|UB2(x，y)-UA2(x，y)|取0，即只选择图像块B左边的大小为k×(k/5)的图像块B2进行块匹配；当图像块A位于第一列即其左边没有填充完毕的图像块且其正上方的图像块已填充完毕时，公式4中∑|UB1(x，y)-UA1(x，y)|取0，即只选择图像块B正上方大小为(k/5)×k的图像块B1进行块匹配；
设定阈值，当差异MAD(B)小于给定阈值时，将图像块B放在候选集合里面；当候选集合的图像块大于5或者纹理样图FI(x，y)中所有图像块都搜索完毕后，从候选集合里面随机选择一个块对图像块A进行填充；
通过上述方法，依次对图像OT(x，y)的每个图像块进行填充，最终得到输出纹理图像OT(x，y)的全部信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710034135.3A CN106815879B (zh) | 2017-01-17 | 2017-01-17 | 一种基于lbp特征的快速纹理合成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710034135.3A CN106815879B (zh) | 2017-01-17 | 2017-01-17 | 一种基于lbp特征的快速纹理合成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106815879A true CN106815879A (zh) | 2017-06-09 |
| CN106815879B CN106815879B (zh) | 2019-11-05 |
Family
ID=59112358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710034135.3A Active CN106815879B (zh) | 2017-01-17 | 2017-01-17 | 一种基于lbp特征的快速纹理合成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106815879B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273898A (zh) * | 2017-07-10 | 2017-10-20 | 武汉珞珈博研科技有限责任公司 | 基于字符纹理区域分割的打印文件鉴别方法 |
| CN108010095A (zh) * | 2017-11-14 | 2018-05-08 | 阿里巴巴集团控股有限公司 | 一种纹理合成的方法、装置及设备 |
| CN112508837A (zh) * | 2019-08-26 | 2021-03-16 | 天津新松机器人自动化有限公司 | 一种可用于深度图纹理检测的算子 |
| CN113160076A (zh) * | 2021-04-06 | 2021-07-23 | 中航航空电子有限公司 | 一种基于目标边缘邻域信息的地物红外目标截获方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509319A (zh) * | 2011-10-20 | 2012-06-20 | 西北民族大学 | 结合破损块形状和邻域分类的唐卡图像修复方法 |
| CN103714561A (zh) * | 2013-12-27 | 2014-04-09 | 浙江工业大学 | 基于Chamfer距离的保结构纹理合成方法 |
| CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
| US20150145881A1 (en) * | 2013-11-28 | 2015-05-28 | Samsung Electronics Co., Ltd. | Image output apparatus and method of rendering an image |
| US20150187089A1 (en) * | 2013-12-27 | 2015-07-02 | Aleksander Olek Neyman | Dynamic programmable texture sampler for flexible filtering of graphical texture data |
| CN105096240A (zh) * | 2015-07-21 | 2015-11-25 | 南京师范大学 | 基于纹理合成的影像敏感目标隐藏方法 |
| CN105528806A (zh) * | 2015-12-09 | 2016-04-27 | 福建天晴数码有限公司 | 体纹理合成与映射的方法和装置 |
| US20160292907A1 (en) * | 2015-04-02 | 2016-10-06 | Apple Inc. | Interpolation circuitry and techniques for graphics processing |
-
2017
- 2017-01-17 CN CN201710034135.3A patent/CN106815879B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509319A (zh) * | 2011-10-20 | 2012-06-20 | 西北民族大学 | 结合破损块形状和邻域分类的唐卡图像修复方法 |
| US20150145881A1 (en) * | 2013-11-28 | 2015-05-28 | Samsung Electronics Co., Ltd. | Image output apparatus and method of rendering an image |
| CN103714561A (zh) * | 2013-12-27 | 2014-04-09 | 浙江工业大学 | 基于Chamfer距离的保结构纹理合成方法 |
| US20150187089A1 (en) * | 2013-12-27 | 2015-07-02 | Aleksander Olek Neyman | Dynamic programmable texture sampler for flexible filtering of graphical texture data |
| CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
| US20160292907A1 (en) * | 2015-04-02 | 2016-10-06 | Apple Inc. | Interpolation circuitry and techniques for graphics processing |
| CN105096240A (zh) * | 2015-07-21 | 2015-11-25 | 南京师范大学 | 基于纹理合成的影像敏感目标隐藏方法 |
| CN105528806A (zh) * | 2015-12-09 | 2016-04-27 | 福建天晴数码有限公司 | 体纹理合成与映射的方法和装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273898A (zh) * | 2017-07-10 | 2017-10-20 | 武汉珞珈博研科技有限责任公司 | 基于字符纹理区域分割的打印文件鉴别方法 |
| CN108010095A (zh) * | 2017-11-14 | 2018-05-08 | 阿里巴巴集团控股有限公司 | 一种纹理合成的方法、装置及设备 |
| CN112508837A (zh) * | 2019-08-26 | 2021-03-16 | 天津新松机器人自动化有限公司 | 一种可用于深度图纹理检测的算子 |
| CN113160076A (zh) * | 2021-04-06 | 2021-07-23 | 中航航空电子有限公司 | 一种基于目标边缘邻域信息的地物红外目标截获方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106815879B (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109255831A (zh) | 基于多任务学习的单视图人脸三维重建及纹理生成的方法 | |
| CN106815879B (zh) | 一种基于lbp特征的快速纹理合成方法 | |
| CN110827213A (zh) | 一种基于生成式对抗网络的超分辨率图像修复方法 | |
| US8860733B2 (en) | Device for displaying cutting simulation, method for displaying cutting simulation, and program for displaying cutting simulation | |
| CN110148217A (zh) | 一种实时三维重建方法、装置及设备 | |
| CN107154032B (zh) | 一种图像数据处理方法和装置 | |
| US6704025B1 (en) | System and method for dual-depth shadow-mapping | |
| CN115049556A (zh) | 一种基于StyleGAN的人脸图像修复方法 | |
| CN105095581B (zh) | 一种铸造缩孔缺陷图像生成方法 | |
| CN108573231A (zh) | 基于运动历史点云生成的深度运动图的人体行为识别方法 | |
| CN110490807A (zh) | 图像重建方法、装置及存储介质 | |
| CN106127818A (zh) | 一种基于单幅图像的材质外观获取系统及方法 | |
| Dou et al. | Dual color space guided sketch colorization | |
| CN112819951A (zh) | 一种基于深度图修复的带遮挡三维人体重建方法 | |
| CN111882516B (zh) | 一种基于视觉显著性和深度神经网络的图像质量评价方法 | |
| CN114758070B (zh) | 基于跨域多任务的单张图像三维人体精细重建方法 | |
| CN113144613B (zh) | 基于模型的体积云生成的方法 | |
| CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
| CN117036876A (zh) | 一种基于三维视角对齐的可泛化目标重识别模型构建方法 | |
| CN104091318B (zh) | 一种中国手语视频过渡帧的合成方法 | |
| CN102426708B (zh) | 基于基元重组的纹理设计与合成方法 | |
| CN114049423B (zh) | 一种自动的真实感三维模型纹理映射方法 | |
| CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 | |
| CN115619974A (zh) | 基于改进PatchMatch网络的大型场景三维重建方法、重建装置、设备及存储介质 | |
| Tilson et al. | Towards generating image assets through deep learning for game development |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |