导读:本文包含了纹理保持论文开题报告文献综述及选题提纲参考文献，主要关键词:图像插值,自适应区域划分,等值线方法,多尺度细节增强
纹理保持论文文献综述
宋刚,杜宏伟,王平,刘新新,韩慧健[1]（2019）在《纹理细节保持的图像插值算法》一文中研究指出保持图像纹理细节一直是图像插值的难题。针对图像重建过程中细节信息丢失的问题,提出一种纹理细节保持的图像插值算法。首先,利用等值线方法将图像划分为纹理区域和平滑区域;然后,构造一类C~2连续的有理插值模型,它是多项式模型和有理模型的有机统一体,根据图像的区域特征,纹理区域采用有理模型插值,平滑区域采用多项式模型插值;最后,基于人眼视觉感知系统,提出一种多尺度细节增强方法来丰富插值图像的信息。实验表明,所提算法不仅有较低的时间复杂度,还能有效保持图像的纹理细节,获得较高的客观评价数据。(本文来源于《计算机科学》期刊2019年S1期）
阳瑜,吴小俊[2]（2019）在《基于人脸标准化的纹理和光照保持3D人脸重构》一文中研究指出现有人脸纹理重建方法对于人脸的皱纹、胡须、瞳孔颜色等重建效果往往不够细致.为了解决此问题,文中提出基于人脸标准化的纹理和光照保持3D人脸重构.首先对2D人脸图像标准化,使用光照信息和对称纹理重构人脸自遮挡区域的纹理.然后依据2D-3D点对应关系从标准化的2D人脸图像获取相应的3D人脸纹理,结合人脸形状重构和纹理信息,得到最终的3D人脸重构结果.实验表明文中方法有效保留原始2D图像的纹理和光照信息,重构的人脸更自然,具有更丰富的人脸细节.(本文来源于《模式识别与人工智能》期刊2019年06期）
何仰提[3]（2018）在《基于双边滤波的保持特殊细节的纹理去除算法》一文中研究指出本文主要研究内容是纹理图像中纹理的去除。纹理去除是图像预处理的一种常用方法。对于纹理图像,其实可以将语义不重要的纹理信息看作是噪声,因此,纹理去除也被称之为纹理滤波。纹理滤波的核心任务是去除图像纹理保持图像结构信息。纹理图像中的纹理和结构互相交杂在一起,因此,去除纹理而又不让结构模糊是一个难点问题,同时也是一个研究的热点。然而,现有的图像纹理滤波算法在去除图像纹理,同时保持一些特殊细节方面存在不足。针对现有纹理算法的不足,本文提出一种新的纹理去除算法。本文算法旨在去除纹理图像中的纹理信息,同时尽可能的保持图像结构信息,尤其是一些特殊细节,例如细长的结构和边角等容易被平滑的结构信息。本文的主要贡献是:提出基于多方向的相对总变差模型,用于区分图像纹理和结构;将细长结构识别和基于多方向的相对总变差模型结合用于估计纹理滤波核尺度。本文基于现有的研究提出一种新的纹理去除算法,该算法在去除图像纹理时,能够很好的保持图像的结构信息,尤其是诸如细长结构和边角信息等特殊细节。首先,本文将运用一种能够识别细长结构的结构检测方法,对纹理图像运用方向滤波,将梯度标准化,并运用消息传递机制将标准化后梯度沿梯度方向进行累加,对连续方向上的梯度增强,识别细长结构并用于在后续的纹理滤波处理中。其次,改进原有的相对总变差模型,提出基于多方向的相对总变差模型。对相对总变差模型容易漏掉的边角结构,采用多方向上计算相对总变差的方法,并对直接用相对总变差不能精确估计纹理波核尺度的问题,采用分邻域处理策略区分像素离边界的距离,从而精确估计滤波核尺度。然后,将检测出来的细长结构归一到改进的相对总变差的度量尺度上,估计纹理滤波核尺度,生成引导滤波图像。最后,通过联合双边滤波器得到纹理去除后的图像。实验证明,本文设计的纹理滤波器在保持诸如细长结构方面的性能更好,在纹理去除后的图像的边角细节处更尖锐,而且迭代收敛速度更快。此外,本文还介绍了纹理滤波器在图像细节增强,边缘检测,图像抽象,图像分割等方面的实际应用。(本文来源于《湖南大学》期刊2018-05-11）
李长凯,曾勇,金建[4]（2018）在《基于边缘保持和纹理梯度的超声波图像分割研究》一文中研究指出针对超声波图像受斑点噪声影响严重的特点,提出利用基于边缘保持和纹理梯度的图像分割方法。应用各向异性扩散相干斑降噪方法达到有效平滑斑点噪声和保持区域边缘的效果。基于上述降噪图像,文章采用无抽样小波变换的高频子带构造纹理梯度代替传统的灰度梯度,进而结合分水岭变换进行初始分割,得到对图像的区域化描述。在缓解分水岭过度分割的问题上,结合UWT的多分辨率优势和建立区域邻接图,完成对图像的区域化描述。在此基础上再结合马尔科夫随机场模型作为实现区域合并的方法,分别选用合成图像和超声波图像为实验对象,实验结果证明了本文算法的有效性。(本文来源于《太原学院学报(自然科学版)》期刊2018年01期）
沈琪琪[5]（2016）在《保持图像纹理特征的超分辨率重建方法研究》一文中研究指出图像超分辨率重建是图像处理领域的重要技术,其核心思想是利用一系列具有互补信息的低分辨率图像重建出一幅或多幅高分辨率图像。高分辨率图像能够更多地反映景物的细节,因此,在视频监控、军事侦查、医学诊断等领域,超分辨率重建技术有着广泛的应用前景。在超分辨率重建过程中往往会造成重建图像的纹理模糊,如何能在保持图像纹理特征的同时有效地抑制噪声是重建的技术难点。针对这一问题,本文重点研究了保持图像纹理特征的超分辨率重建方法。论文从研究提取图像纹理特征入手,然后建立重建参数与图像纹理特征的函数关系,从而得到纹理自适应重建模型,最终获得纹理清楚的重建效果。论文首先系统地研究了纹理特征提取方法,其次,选用合适的纹理提取方法提取纹理特征,并依据纹理特征构建重建参数模型,使重建参数随纹理特征自适应变化。最后,进行图像超分辨率重建。本文主要工作如下:1.对纹理提取方法进行了研究,分析了各纹理提取方法的优缺点,并且对各方法适用于图像超分辨率重建的可能性进行了分析比较,从中选择了灰度共生矩阵方法(GLCM)提取纹理特征,并建立正则化参数与图像局部纹理特征的函数关系,使正则化参数?随图像局部纹理特征自适应调整。实验结果显示,与BTV算法相比,该方法能使图像的边缘和纹理细节重建效果更好,并能较好地抑制噪声。但是,基于GLCM方法提取纹理特征缺少纹理方向信息,且提取特征时间较长,应用性差。2.本文提出了一种新的图像纹理特征提取方法,并据此构建加权系数和正则化参数模型进行超分辨率重建。实验结果证明该方法不仅可以得到高质量的重建图像,而且重建速度明显提高,重建时间明显缩短,可以达到又快又好地重建图像的目的。(本文来源于《苏州大学》期刊2016-05-01）
刘鹏飞,肖亮,黄丽丽[6]（2014）在《图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法》一文中研究指出正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题.本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型.分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法.数值实验表明,该方法在去除噪声、抑制图像的"阶梯效应"和保持图像方向纹理等方面取得较好的效果.(本文来源于《电子学报》期刊2014年11期）
陈刚,钱振兴,王朔中[7]（2014）在《保持纹理细节的自适应非局部均值图像降噪》一文中研究指出主邻域字典(principal neighborhood dictionaries,PND)非局部均值(nonlocal means,NLM)是一种基于主成分分析(principal component analysis,PCA)的有效图像降噪方法,但因其未能充分利用图像的内容结构信息,对纹理细节较多区域的降噪效果较差.改进PND方法,实现基于PCA的自适应非局部均值降噪.根据图像局部内容调整滤波参数h,得到动态变化的像素间相似权值.实验结果表明,该方法能更好地保留图像纹理和边缘信息,降噪效果优于非自适应的PND方法.(本文来源于《上海大学学报(自然科学版)》期刊2014年01期）
吴金亮,黄海斌,刘利刚[8]（2013）在《保持纹理细节的无缝图像合成》一文中研究指出为了解决传统图像合成方法在处理具有不同纹理特征的图像时产生明显边界的问题,提出新的图像合成框架.把图像分解为基本层和细节层,基本层解决边界处颜色的无缝融合;细节层实现边界处纹理细节的光滑过渡.算法流程为进行基本层的融合,合成新的细节层,新细节层添加到融合的基本层得到最终结果.通过计算一张权重图来指导新细节层的生成,权重图度量纹理特征的强弱和像素到边界的距离.实验结果显示:算法可以有效保证颜色的无缝融合,保持纹理的光滑过渡.相对于传统图像合成方法,该算法可以生成更真实的合成图像.(本文来源于《浙江大学学报(工学版)》期刊2013年06期）
孙丹[9]（2012）在《基于弯曲边缘和复杂纹理保持的各向异性图像去噪算法研究》一文中研究指出本文主要关注的是图像处理领域的一个热点与难点：在图像去噪的过程中,如何更好地保存弯曲边缘和复杂纹理。一方面,在图像采集、获取和传输等环节,容易受各种因素的影响,从而导致图像质量下降、细节特征淹没、视觉效果恶化等,使得图像的使用价值降低。同时,在当今社会的生产与生活中,对图形图像的应用需求会越来越广泛。另一方面,在图像去噪过程中,不可避免地会导致图像的模糊或平滑,而这又恰好与保存图像的细节信息是相矛盾的。本文首先概述了各向异性扩散模型的相关内容,分析总结得出现有模型的叁种经典各向异性扩散,P. Perona和J.Malik提出的P-M各向异性扩散模型、Weiekert的一致性各向异性扩散模型以及前向后向扩散滤波模型。同时通过理论研究和实验证明,这些离散方法没能更好地保存弯曲边缘和复杂纹理的根本原因主要在于,扩散不能够沿着弯曲边缘进行。为克服以上缺陷,本文在P-M各向异性模型的基础上,提出采用时间累积的步进各向异性扩散模型进行图像去噪。时间累积的步进各向异性扩散模型主要采用了扩散中心的步进移动以及不同方向上扩散点的时间累积两大机制。扩散中心的步进移动依赖于图像的结构信息,通过八邻域差分算子来确定步进移动的方向。以此得出的扩散点能更好地反映初始扩散中心的特征。不同方向扩散点的时间累积由我们所提出的扩散累积函数来实现。看似一个简单的累积迭加过程,却能实现扩散结果的不断优化,从而得到一个稳定而可靠的值。在本文的最后,对以上所提出的算法通过MATLAB进行仿真对比实验。实验证明,我们的算法在去噪的同时能更好地保持图像的弯曲边缘和复杂纹理等特征信息。(本文来源于《四川师范大学》期刊2012-04-10）
孙丹,廖志武[10]（2011）在《一种保持弯曲边缘和复杂纹理的各向异性模型》一文中研究指出各向异性扩散,抑制边缘,平滑内部。但现有扩散方法不能沿着弯曲边缘进行,导致弯曲边缘和复杂纹理被模糊。基于P-M各向异性模型,提出一种新的离散方式来克服这个不足。通过考虑一个邻域内梯度的变化规律,来步进移动扩散中心,使扩散能够沿着弯曲边缘进行。通过对不同方向扩散点的累积时间的调节,以得到更好的平滑效果。最后用实验证明了算法的有效性。(本文来源于《计算机应用》期刊2011年S2期）
纹理保持论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现有人脸纹理重建方法对于人脸的皱纹、胡须、瞳孔颜色等重建效果往往不够细致.为了解决此问题,文中提出基于人脸标准化的纹理和光照保持3D人脸重构.首先对2D人脸图像标准化,使用光照信息和对称纹理重构人脸自遮挡区域的纹理.然后依据2D-3D点对应关系从标准化的2D人脸图像获取相应的3D人脸纹理,结合人脸形状重构和纹理信息,得到最终的3D人脸重构结果.实验表明文中方法有效保留原始2D图像的纹理和光照信息,重构的人脸更自然,具有更丰富的人脸细节.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理保持论文参考文献
[1].宋刚,杜宏伟,王平,刘新新,韩慧健.纹理细节保持的图像插值算法[J].计算机科学.2019
[2].阳瑜,吴小俊.基于人脸标准化的纹理和光照保持3D人脸重构[J].模式识别与人工智能.2019
[3].何仰提.基于双边滤波的保持特殊细节的纹理去除算法[D].湖南大学.2018
[4].李长凯,曾勇,金建.基于边缘保持和纹理梯度的超声波图像分割研究[J].太原学院学报(自然科学版).2018
[5].沈琪琪.保持图像纹理特征的超分辨率重建方法研究[D].苏州大学.2016
[6].刘鹏飞,肖亮,黄丽丽.图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法[J].电子学报.2014
[7].陈刚,钱振兴,王朔中.保持纹理细节的自适应非局部均值图像降噪[J].上海大学学报(自然科学版).2014
[8].吴金亮,黄海斌,刘利刚.保持纹理细节的无缝图像合成[J].浙江大学学报(工学版).2013
[9].孙丹.基于弯曲边缘和复杂纹理保持的各向异性图像去噪算法研究[D].四川师范大学.2012
[10].孙丹,廖志武.一种保持弯曲边缘和复杂纹理的各向异性模型[J].计算机应用.2011