一種基于最佳匹配的圖像紋理合成方法
【專利摘要】針對大多數(shù)采用馬爾科夫隨機(jī)場模型的塊紋理合成算法只考慮兩個匹配塊之間對應(yīng)像素的顏色差異作為評價相似性的唯一度量，對于傳統(tǒng)的合成算法，樣本塊的大小需要人工設(shè)定，因此合成后，通常會造成紋理特征混亂且缺乏自適應(yīng)性。為解決上述問題，本發(fā)明提出了一種新的基于最佳匹配的圖像紋理合成方法，方法中不僅考慮了顏色的相似性，還加入了梯度結(jié)構(gòu)信息，把紋理的顏色差異和梯度結(jié)構(gòu)信息作為衡量兩個匹配塊間的相似性度量，并深入分析最佳匹配紋理塊的大小對合成的影響，根據(jù)不同紋理自適應(yīng)確定紋理塊大小，以提高紋理合成的速率和質(zhì)量,經(jīng)試驗驗證獲得了比較理想的效果。
【專利說明】一種基于最佳匹配的圖像紋理合成方法
【【技術(shù)領(lǐng)域】】:
[0001]本發(fā)明屬于計算機(jī)應(yīng)用與圖像處理結(jié)合的【技術(shù)領(lǐng)域】。
【【背景技術(shù)】】:
[0002]由于基于樣圖的紋理合成技術(shù)不僅可以克服傳統(tǒng)紋理映射方法的缺點，而且避免過程紋理合成調(diào)整參數(shù)的繁瑣，因而受到越來越多研究人員的關(guān)注，成為計算機(jī)圖形學(xué)、計算機(jī)視覺和圖像處理領(lǐng)域的研究熱點之一?；跇訄D的二維紋理合成方法根據(jù)處理對象的不同大體又可以分為:點合成方法和塊合成方法。點合成方法每次生成一個像素點的色彩，而塊合成方法則是每次生成一個包含許多像素的紋理塊。一般而言，點合成方法便于反映紋理變化的多樣性，但不利于保持紋理的結(jié)構(gòu)化信息，且合成速度相對較慢；而塊合成方法的速度較快，能較好地保持塊內(nèi)的紋理特征信息，但塊之間的色彩過渡可能不很平滑，會引起合成質(zhì)量的下降。
[0003]塊紋理合成方法是基于樣本的紋理合成方法，它通過將輸入的樣本紋理劃分成固定大小的紋理塊，并基于紋理塊間的重疊區(qū)域的約束規(guī)則來選擇匹配的紋理塊，以生成與樣本紋理不重復(fù)但視覺性連續(xù)的任意大的紋理?；趬K的紋理合成算法將合成單位從像素變?yōu)橐粋€紋理塊，合成速度相較于基于像素的算法有了顯著提高，而且一次合成一塊紋理有利于合成圖像保持樣本紋理的整體結(jié)構(gòu)。
[0004]基于塊拼貼的紋理合成算法一般由兩步組成。第一，按照某種匹配策略在樣本圖中搜索最佳匹配塊；第二，采用相應(yīng)的塊拼貼方法將搜索到的最佳匹配塊拼貼到輸出紋理圖像中。其中，是否搜索到最佳匹配塊是影響合成結(jié)果的關(guān)鍵問題，如果搜索到的紋理塊不是最佳匹配塊，則第二步使用任何拼貼方式都不能達(dá)到較好的合成效果。然而大部分基于塊拼貼的紋理合成算法在搜索最佳匹配塊時，是以重疊區(qū)域顏色誤差小于設(shè)定的閾值作為匹配準(zhǔn)則，與基于像素合成方法相比較，雖然在一定程度上保證紋理的結(jié)構(gòu)性不被破壞，但是對于一些較強(qiáng)結(jié)構(gòu)性的紋理圖像，仍會出現(xiàn)紋理錯位而得不到較好的合成效果。
[0005]早期的紋理合成采用基于特征匹配的方法，把紋理當(dāng)作一種特征，通過在樣本圖中匹配特征來生成新的紋理圖像。這種合成算法運算量很大，合成速度很慢，質(zhì)量雖有所提高但并不十分理想.近年來，主要采用基于馬爾可夫隨機(jī)場(Markov RandomField, MRF)模型的合成方法。1999年，Efros等提出了一種非參數(shù)采樣算法,這種基于像素的合成方法，雖然對隨機(jī)性紋理取得了令人滿意的效果，但對結(jié)構(gòu)性較強(qiáng)的紋理合成效果較差，且計算時間較長。2001年，Efros`提出一種ImageQuilting紋理合成算法,通過計算紋理合成中重疊塊的累計誤差和最小誤差路徑完成合成，該算法對各種類型的紋理均取得了較好的合成效果，與逐點的紋理合成方法相比，該算法雖然處理速度較快，對各種類型的紋理都能取得較好的合成效果，但是可能會帶來少量的紋理錯位及不連續(xù)現(xiàn)象。另外，ImageQuilting算法在紋理合成中采用窮盡搜索匹配塊的方法，包含費時的計算過程，達(dá)不到實時應(yīng)用的要求。Liang等人提出了一種實時的基于塊的紋理合成算法，和ImageQuilting算法極為相似，但是由于算法采用了四叉樹金字塔、主元分量分析以及KD樹方法來加速紋理搜索過程，雖然在效率上有所提高，但是使得算法難以理解和編程實現(xiàn)。Kwatra在ImageQuilting算法的基礎(chǔ)上，提出了基于Graph Cut的改進(jìn)方法。Cohen等提出一種使用拼接Wang Tiles的方法實時合成紋理。Wu等人提出曲線特征匹配法，考慮了紋理的結(jié)構(gòu)差別，在拼接過程中對匹配塊進(jìn)行變形處理，以保證特征線在相鄰塊之間的連續(xù)過渡，提高結(jié)構(gòu)化內(nèi)容的合成質(zhì)量，但是該算法在對特征匹配過程中，運算量較大，影響了合成速度。全局優(yōu)化的方法，通過全局的相似性計算，降低全局性誤差，可生成質(zhì)量很高的紋理，雖然全局優(yōu)化方法能很好地保持紋理的全局性特征，但對于局部的細(xì)節(jié)特征難以很好地處理，因此其合成質(zhì)量還不是很理想。
【
【發(fā)明內(nèi)容】
】:
[0006]人眼往往對圖像中顏色變化尖銳的地方比較敏感，而對顏色變化緩慢的地方相對遲鈍。因此，可以在搜索最佳匹配塊時考慮這些視覺系統(tǒng)敏感的特征，并把對視覺系統(tǒng)敏感的特征稱為結(jié)構(gòu)信息特征。本發(fā)明引入梯度結(jié)構(gòu)信息來表示紋理塊的結(jié)構(gòu)特征，在搜索最佳匹配塊的時候，把顏色誤差和梯度結(jié)構(gòu)信息同時作為紋理塊相似性的判斷準(zhǔn)則。
[0007]本發(fā)明針對以上問題提出了一種根據(jù)輸入紋理自適應(yīng)的確定紋理塊大小的方法，即一種新的基于最佳匹配的圖像紋理合成方法，該方法的具體步驟包括:
[0008]1、一種新的基于最佳匹配的圖像紋理合成方法，其特征在于該方法的具體步驟包括:
[0009]第1、紋理塊匹配策略
[0010]采用梯度來衡量紋理塊的結(jié)構(gòu)變化程度；在紋理合成時充分考慮了紋理的梯度結(jié)構(gòu)信息對紋理合成質(zhì)量的影響，基于紋理塊所包含的紋理特征與樣本紋理圖像所包含的的紋理結(jié)構(gòu)特征間的差距越小，所合成的結(jié)果對樣本紋理的全局特征保持性就越好和紋理圖像的統(tǒng)計特性符合MRF的特點，故紋理圖像的統(tǒng)計模型可遵循Markov場，其中統(tǒng)計模型與像素點所處圖像的位置無關(guān)并具有局部相關(guān)性，且遵循P (patch|rest)=P(patch |neiborhood)這兩點可以得到紋理塊相似判定準(zhǔn)則，即在基于MRF模型的塊合成算法中，根據(jù)輸出圖中當(dāng)前待合成紋理塊，在樣圖中找到與之紋理塊邊界結(jié)構(gòu)特征相似的紋理塊，選取準(zhǔn)則為邊界誤差值小者為先；把紋理的梯度結(jié)構(gòu)信息作為紋理匹配塊相似性度量的標(biāo)準(zhǔn)之一，即把顏色差異和梯度結(jié)構(gòu)信息作為紋理塊匹配的標(biāo)準(zhǔn)。
[0011]第2、自適應(yīng)確定紋理塊大小
[0012](1)為了滿足紋理塊大小選擇準(zhǔn)則設(shè)置紋理塊大小的最小值N為6 ;
[0013](2)在輸入紋理中，隨機(jī)的選擇20個大小為N的紋理塊，得到它們的平均灰度直方
圖。同樣根據(jù)紋理塊相似判定準(zhǔn)則及公式
【權(quán)利要求】
1.一種基于最佳匹配的圖像紋理合成方法，其特征在于該方法的具體步驟包括: 第1、紋理塊匹配策略 采用梯度來衡量紋理塊的結(jié)構(gòu)變化程度；在紋理合成時充分考慮了紋理的梯度結(jié)構(gòu)信息對紋理合成質(zhì)量的影響，基于紋理塊所包含的紋理特征與樣本紋理圖像所包含的紋理結(jié)構(gòu)特征間的差距越小，所合成的結(jié)果對樣本紋理的全局特征保持性就越好和紋理圖像的統(tǒng)計特性符合MRF的特點，故紋理圖像的統(tǒng)計模型可遵循Markov場，其中統(tǒng)計模型與像素點所處圖像的位置無關(guān)并具有局部相關(guān)性，且遵循
2.根據(jù)權(quán)利要求1所述的方法，其特征在于設(shè)計了一種根據(jù)輸入紋理自適應(yīng)的確定紋理塊大小的算法；不僅能夠確定最佳合成塊大小并符合紋理塊大小選擇準(zhǔn)則，而且省去了人工操作的步驟，大大提高了系統(tǒng)的工作效率。
【文檔編號】G06T11/00GK103839271SQ201410112095
【公開日】2014年6月4日 申請日期:2014年3月25日 優(yōu)先權(quán)日:2014年3月25日
【發(fā)明者】張德干, 潘兆華, 李光, 董丹超 申請人:天津理工大學(xué)