基于图切的图像纹理合成与尺寸缩减

基于图切的图像纹理合成与尺寸缩减

论文摘要

图切理论被广泛应用在网络流量分析,计算机视觉,计算机图形学等领域。近年来,图切理论被应用到图像处理技术中来解决缝口优化问题,成为图像处理研究的新热点。本文基于图切理论对图像纹理合成,图像和视频缩减进行了研究。研究了基于图切理论和Ford-Fulkerson标号算法实现图像纹理合成的方法。首先,将纹理合成问题转化为能量最小化问题。其次,根据纹理重合区域像素差异性建立无向流网络模型,运用图切理论找到一条纹理块之间的分界线来实现纹理合成。新合成的纹理块与相邻纹理块叠加,计算出新的缝口,从而优化了纹理块之间的边界。运用图切理论和预流推进算法研究了图像缩减问题。根据图像像素梯度建立一个有向网络图,运用预流推进算法获得一条能量最小的缝口。每次删除切线上的像素点实现图像缩减。对结构特征明显的图像进行缩减时,图像特征在细节上往往产生变形。通过计算像素八个方向的梯度绝对值的和作为对应能量图中边的容量,来充分考虑像素点周围区域情况,取得了不错的效果。视频缩减不同于图像缩减,考虑到视频分帧的时间相干性,本文提出了三种方法。在时间梯度加权法中,帧中的每一个像素的时间梯度被加权投影到能量图中对应边的容量中,通过最大流-最小割获得能量最小的缝口,每次只删除一条横向或者纵向缝口来进行缩减一行或者一列,依次交替进行操作。在相对应边加权法中,时间轴上相邻帧的能量图的边的容量加权投影到前一帧的能量图中对应位置的边权上去。在时空域综合处理方法中,通过在相邻帧对应空间位置上添加反向对角无穷大的边来建立一个时空域能量网络空间,并运用图切理论获得一个能量最小的曲面。该曲面在时间轴上是单调且连续的,与相邻帧相交分别形成一条最优的缝口。通过删除前一帧中的缝口,实现对其尺寸缩减。对每一帧的处理,分别通过联合下一帧建立一个时空域能量空间。通过实验对比分析,后两种方法在控制删减方向和图像特征细节保持上表现出色。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 数字图像处理技术背景与应用
  • 1.2 图像纹理合成研究背景与现状
  • 1.3 图像和视频缩减技术研究的背景与现状
  • 1.4 本文的主要研究内容
  • 2 基于图切理论实现图像的纹理合成
  • 2.1 数字图像相关概念
  • 2.1.1 数字图像的表示方法
  • 2.1.2 图像的文件格式
  • 2.2 最大流与最小割
  • 2.2.1 最大流有关概念
  • 2.2.2 最大流-最小割定理
  • 2.3 增广路径(Ford-Fulkerson)算法
  • 2.4 基于Ford-Fulkerson标号算法实现纹理合成
  • 2.4.1 加权函数
  • 2.4.2 流网络模型
  • 2.4.3 搜索样本块策略
  • 2.4.4 纹理块合成情况分析
  • 2.5 图像纹理合成系统实现
  • 2.5.1 程序设计流程
  • 2.5.2 系统结构模块
  • 2.5.3 合成技术特点
  • 2.5.4 纹理合成实例分析
  • 2.6 本章小结
  • 3 基于图切理论实现图像缩减
  • 3.1 预流推进算法
  • 3.1.1 定义
  • 3.1.2 预流推进算法的基本思想
  • 3.1.3 算法步骤
  • 3.2 流网络模型
  • 3.3 图像尺寸缩减系统实现
  • 3.3.1 系统设计的软硬件环境
  • 3.3.2 系统结构模块
  • 3.3.3 系统设计流程
  • 3.3.4 效果图分析
  • 3.4 本章小结
  • 4 基于图切理论实现视频缩减
  • 4.1 时间梯度加权求和
  • 4.2 预前能量法
  • 4.3 相对应边加权求和
  • 4.4 时空域综合处理
  • 4.5 视频尺寸缩减系统实现
  • 4.5.1 系统设计的软硬件环境
  • 4.5.2 系统结构模块
  • 4.5.3 程序设计流程
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].医学图像纹理特征与基因类型相关研究概述[J]. 电子世界 2020(03)
    • [2].图像纹理分析的方法与应用[J]. 黑龙江科技信息 2009(16)
    • [3].PET/CT和多参数磁共振成像图像纹理分析诊断移行带前列腺癌的价值[J]. 肿瘤影像学 2020(01)
    • [4].纹理损失最小约束下跟踪图像阴影自动去除算法[J]. 自动化与仪器仪表 2019(03)
    • [5].基于结构-纹理分层的夜间图像去雾算法[J]. 激光与光电子学进展 2018(06)
    • [6].基于图像纹理的煤岩识别研究[J]. 煤炭技术 2015(07)
    • [7].图像纹理区检测及分割算法研究[J]. 信息安全与技术 2011(09)
    • [8].一种基于图像纹理特征和支持向量机的版权保护方法[J]. 网络安全技术与应用 2017(08)
    • [9].基于不完全小波树型结构的图像纹理特征研究[J]. 中国图象图形学报 2009(07)
    • [10].基于多重分形谱的木材高光谱图像纹理分类算法[J]. 液晶与显示 2019(12)
    • [11].三维动画图像纹理实时渲染系统设计[J]. 现代电子技术 2018(05)
    • [12].基于图像纹理分析技术检测食用植物油中动物油的掺伪[J]. 中国油脂 2014(03)
    • [13].实时图像纹理替换算法[J]. 计算机科学 2013(09)
    • [14].关于果林中果害虫图像特征高效分类识别仿真[J]. 计算机仿真 2018(02)
    • [15].基于块排序的降噪方法及其在农业图像中的应用[J]. 农业机械学报 2017(S1)
    • [16].多特征组合和用户反馈的图像检索算法[J]. 吉林大学学报(理学版) 2017(06)
    • [17].医学图像纹理分析的方法及应用[J]. 中国医学装备 2013(08)
    • [18].基于相容粒度空间模型的图像纹理识别[J]. 重庆邮电大学学报(自然科学版) 2009(04)
    • [19].关于历史珍品残破图像快速修复仿真研究[J]. 计算机仿真 2018(04)
    • [20].图像复杂度研究综述[J]. 计算机科学 2018(09)
    • [21].基于粗糙粒模型的图像纹理识别和检索[J]. 模式识别与人工智能 2012(02)
    • [22].基于新的风格损失函数的图像风格转换方法[J]. 电子测量技术 2019(04)
    • [23].基于区间梯度的联合双边滤波图像纹理去除方法[J]. 计算机科学 2018(03)
    • [24].微波消融组织B超图像纹理特征参数与温度的相关性[J]. 中国生物医学工程学报 2009(06)
    • [25].图像纹理分析技术实现植物油掺假检测研究[J]. 中国粮油学报 2014(03)
    • [26].PET/CT显像联合融合图像纹理特征分析在肺癌鉴别诊断中的应用价值探讨[J]. 中国医学计算机成像杂志 2010(02)
    • [27].基于医学图像纹理特征的疾病诊断方法及其应用现状[J]. 北京生物医学工程 2008(04)
    • [28].基于多模态特征的医学图像聚类方法[J]. 计算机科学与探索 2018(03)
    • [29].图像纹理基元分类的马尔柯夫随机场方法[J]. 武汉大学学报(信息科学版) 2017(04)
    • [30].计算机辅助诊断技术中图像纹理研究的主要方法及其应用[J]. 中国组织工程研究与临床康复 2009(39)

    标签:;  ;  ;  ;  ;  

    基于图切的图像纹理合成与尺寸缩减
    下载Doc文档

    猜你喜欢