紋理是數(shù)字圖像中的重要表示方式之一,被廣泛應用在虛擬對象的外觀建模中。隨著科技的發(fā)展,虛擬現(xiàn)實產(chǎn)業(yè)與動漫產(chǎn)業(yè)蓬勃發(fā)展,這些產(chǎn)業(yè)的興起背后需要涉及到大量場景圖像的紋理處理工作,依靠較繁雜的人工作業(yè),拉長了制作周期,消耗了大量的人力資源和制作資金。隨著計算機技術的不斷進步,計算機輔助人工處理紋理圖像的技術越來越重要。傳統(tǒng)的紋理合成技術往往只注重創(chuàng)建最優(yōu)的目標紋理,而對獲取理想的輸入紋理樣本和樣本的組合的美學方面沒有給予足夠的重視。目前,對于工作人員來說,從圖像中獲取紋理樣圖和將紋理樣圖重新組合仍然是一項勞動密集型的任務,通常需要仔細的攝影和大量的后期處理。本文提出了一種基于深度學習的多樣本紋理自動獲取與合成算法。我們的第一個研究方向是基于紋理性的多樣本紋理自動獲取算法。為了提高圖像樣圖識別的效率,我們首先對輸入圖像進行泊松盤采樣,隨機且均勻地對輸入圖像進行裁剪。為度量樣圖的全局紋理性特征,我們基于SVM的預測（訓練來源于UIUC數(shù)據(jù)集和15-scene場景數(shù)據(jù)集）,使用Gist特征描述符粗略區(qū)分紋理樣圖和非紋理樣圖。為了過濾局部含有非有效紋理的異常樣圖,我們通過提取和匹配整個樣圖及其各子區(qū)... 

【文章來源】：深圳大學廣東省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

在虛擬現(xiàn)實場景及動漫圖像中的應用

Locakerman等人[7]

主要研究內容根據(jù)目前的國內外研究現(xiàn)狀，我們可以發(fā)現(xiàn)大多數(shù)研究集中在紋理特征提取與單目


本文編號：3140226