纹理的标准性度量与应用及基于分形迭代函数系统的超分辨自类推技术

摘要

纹理是图像处理,图像真实感造型领域的很重要的概念.其在应用方面的研究已经非常广泛且深入,然而至今为止纹理在理论上的研究还是非常有限,现有的几个模型都是针对应用的.最为严重的一个问题是纹理到现在为止还没有明确的定义,纹理图像和一般图像的区别也没有系统的理论指导.该文尝试利用纹理概念的模糊性,摒弃传统的将纹理看作一类图像的观点,将纹理视为图像所携带的一种特定性质,称为纹理标准性,其强度的不同决定了图像在视觉上的纹理化程度,称为标准性系数.根据对大量纹理的形态研究,利用视觉上可以明显界定为纹理的图像的特征分布特性,我们使用纹理的色彩分布直方图来定义这种度量,取得了很好的效果.结合这种标准性度量,该文将其应用到纹理合成的问题当中,对强标准性纹理省去了传统方法中最为耗时的搜索匹配过程,对较强标准性纹理则降低相应的搜索精度,从而加快纹理合成的速度,而同时保持合成的质量没有明显降低.另外,在图像处理的另一领域,低分辨率图像的高分辨恢复是一个新的热点问题.对这一问题的研究分为两个发展阶段,产生的方法可以相应的分为两大类:传统方法和现代方法.传统方法是对图像高频细节丢失的过程进行建模,通过将信息丢失过程的逆过程反作用到待恢复图像上,获得期望中的高清晰图像.基于重构的方法简单易行,使用范围广.但是如何建立图像虚化模型是其要面对的一个很困难的问题.为了保证恢复图像的正确性,所建立的模型需要有很强的普适性,这就造成其恢复质量无论在理论上还是在实践上都有着严重的局限性.基于

目录

摘要

绪论

第一章纹理合成问题概述

1.1 纹理

1.1.1 纹理的定义

1.1.2 纹理的分类

1.1.3 纹理元与影调

1.1.4 纹理研究的主要问题和应用

1.2纹理合成

1.2.1 纹理合成问题的产生

1.2.2 纹理合成的应用背景和研究方向

1.2.3 当前纹理合成的热点问题

第二章纹理合成典型方法的分析

2.1 二维图像纹理合成

2.1.1 基本概念

2.1.2 典型算法

2.2曲面纹理合成

2.3视频纹理合成

2.4本章小结

第三章图像纹理性概念(标准性)的初步研究

3.1传统度量的一些问题

3.2对传统度量和纹理类图像的分析

3.3色彩分布统计意义下的距离：

3.4纹理识别和纹理比较

3.5基于块的方法的特征匹配的分析

3.6具有任意匹配性的纹理的特征和纹理的标准性：

3.7纹理的标准性度量

第四章纹理标准性在纹理合成问题中的应用

4.1 经典的基于块的纹理合成方法的缺陷

4.2标准性系数的应用

4.3合成结果

4.4进一步的讨论

第五章图像增强和超分辨问题综述

5.1 图像增强问题的产生和历史

5.2一般性的数字图像增强技术概述(IMAGE ENHANCEMENT)

5.3图像锐化与超分辨

第六章超分辨典型方法概述

6.1 超分辨问题的主要研究内容及分类

6.1.1 单幅图像的超分辨问题(Single-Image Super-Resolution)

6.1.2 多幅相关图像的超分辨问题(Multi-Image Super-Resolution)

6.2超分辨恢复技术的前景展望

第七章基于分形迭代函数系统的超分辨方法

7.1 单幅图像超分辨方法概述

7.2典型的超分辨方法

7.2.1 基本思路

7.2.2 频率分解和两个假设

7.2.3 建立训练集合

7.2.4 Markov Network算法

7.2.5 Single-Pass算法

7.2.6 搜索策略

7.2.7 典型方法的超分辨结果

7.2.8 纹理超分辨放大结果

7.3图像类推技术(IMAGE ANALOGIES)

7.4自类推超分辨技术

7.4.1 自类推技术的基本思想

7.4.2 图像边缘的分形形态

7.4.3 训练集合的建立

7.4.4 映射关系的建立

7.4.5 映射关系的逆和传递

7.4.6 Markov Network的应用

7.4.7 求解Markov Network

7.4.8 实验结果

7.5 结论

致谢射

参考文献

西北工业大学学位论文知识产权声明书及原创性声明