- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于纹理规则性分析的图像填补方法*
郝川艳1+ 陈昕2+ 吴恩华3
1(福建师范大学协和学院 信息技术系,福建福州 350108)
2(福建师范大学协和学院 信息技术系,福建福州 350108)
3(澳门大学科技学院,计算机与信息科学系,澳门 999078)
摘 要:本文提出了一种利用纹理规则性分析和纹理合成技术进行高效图像填充的新方法。该方法可以自动地抽取图像前景区域并且合理的复原被遮挡区域的原始内容。对于前景抽取问题,一般的做法为了得到准确的结果往往需要引入交互操作。为了实现自动化的抽取,本文着重考虑前景为近似规则纹理(NRT)的场景区域。近似规则纹理具有强烈的信号规则性,利用对这种规则性的分析可以有效而准确的分割前景部分。对于背景恢复问题,我们基于纹理合成技术提出了一个新的背景填补算法,并且通过引入合成优先度概念将图像修补算法结合进来。因此该方法具有两种方法共同的优点。
关键词:图像填补; 纹理规则性; 纹理合成; 近似规则纹理; 图像绘制; 前景分割; 填充
An Efficient Image Editing Method by Texture Regularity and Texture Synthesis
Hao Chuanyan1+, Chen Xin2+, Wu Enhua3
1(Department of Information Technology, Concord University College, FuJian Normal University, FuZhou, 350108, China)
2(Department of Information Technology, Concord University College, FuJian Normal University, FuZhou, 350108, China)
3(Department of Computer and Information Science, Faculty of Science and Technology, Macau University, Macau, 999078, China)
+ Corresponding author: HaoChuanyan Phn: +86 Fax: +86-**-****-****, E-mail: waterwu_ zz@ , http://****
+ Corresponding author: ChenXin Phn: +86 Fax: +86-**-****-****, E-mail: c_risine@ tom. com, http://****
Abstract: This paper presents a new method for image completion based on texture regularity analysis. It extracts foreground information within image, fully and automatically for certain scenes, and fills the overlapping regions in a visually plausible way. Compared with previous works that usually select foreground objects interactively for a robust extraction, our work focuses on a special kind of foreground content called near-regular textures(NRT). Near-regular texture has strong regularity for various features that can be used to ease the automatically foreground segmentation and to help improving precision. In filling phase, we propose a combined framework by taking advantages both of “texture synthesis” and “inpainting”. This framework reconstructs the background by introducing priority into exemplar-based texture synthesis.
文档评论(0)