基于多边形近似的图像纹理全局特性研究

doi:10.3778/j.issn.1002-8331.2010.13.053

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 178-180.DOI: 10.3778/j.issn.1002-8331.2010.13.053

• 图形、图像、模式识别 • 上一篇下一篇

基于多边形近似的图像纹理全局特性研究

毛力¹，朱春燕²，须文波¹

1.江南大学信息工程学院，江苏无锡 214122
2.苏州托普信息职业技术学院计算机系，江苏昆山 215311

收稿日期:2008-10-23 修回日期:2009-02-24 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 毛力

Global feature recognition and extraction of texture image utilizing polygonal approximation of digital curves

MAO Li¹，ZHU Chun-yan²，XU Wen-bo¹

1.Department of Information Technology，Jiangnan University，Wuxi，Jiangsu 214122，China
2.Department of Computer，Suzhou Top Vocational Institute of Information Technology，Kunshan，Jiangsu 215311，China

Received:2008-10-23 Revised:2009-02-24 Online:2010-05-01 Published:2010-05-01
Contact: MAO Li

摘要/Abstract

摘要： 使用传统的MRF模型进行纹理合成时存在无法把握纹理全局特性的缺陷，对具有大规模结构特性的纹理进行合成时，容易造成纹元周期性混乱。将特征匹配的方法引入传统MRF模型中可改良图像合成效果。详细分析了特征点识别与定位对整个纹理合成的作用。首次提出了一种用基于二进制具有量子行为的粒子群算法的多边形近似来分析纹理图像中特征点分布的结构模式分析方法。该方法可以提取结构性及半结构性半随机性纹理中的特征点分布规律，采用对特征点分级的方法定位纹理的大规模乃至全局特性。

关键词: 特征点, 二进制量子化粒子群优化算法（BQPSO）, 多边形近似, 全局特性, 纹理合成

Abstract: A new method of global feature recognition and extraction for structured texture which is based on polygonal approximation of digital curves is firstly proposed in this paper.This method can locate texture global characteristic by extracting the feature points of structured texture and half-random-half structured texture.

Key words: feature points, Binary Quantum Particle Swarm Optimization（BQPSO）, polygonal approximation, global feature, texture synthesis

中图分类号:

TP181

毛力¹，朱春燕²，须文波¹. 基于多边形近似的图像纹理全局特性研究[J]. 计算机工程与应用, 2010, 46(13): 178-180.

MAO Li¹，ZHU Chun-yan²，XU Wen-bo¹. Global feature recognition and extraction of texture image utilizing polygonal approximation of digital curves[J]. Computer Engineering and Applications, 2010, 46(13): 178-180.

[1]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[2]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[3]	郭克友，马丽萍，胡巍. 基于DCNN的人脸特征点检测及面部朝向计算[J]. 计算机工程与应用, 2020, 56(4): 202-208.
[4]	张毅，王彦博，高奇峰，杨德伟，魏博. 改进FAST-SURF算法在卷烟包件识别定位中的应用[J]. 计算机工程与应用, 2020, 56(3): 252-258.
[5]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[6]	郑银环1，王备战2，王嘉珺2，陈凌宇2，洪清启2. 深度卷积神经网络应用于人脸特征点检测研究[J]. 计算机工程与应用, 2019, 55(4): 173-178.
[7]	胡晓静1，周明全2，耿国华1，张雨禾1. 基于自适应邻域描述子的三维面貌相似性度量[J]. 计算机工程与应用, 2019, 55(2): 187-192.
[8]	郭恩会1，张小国2，陈刚1. 自适应邻域测试的图像误匹配点剔除算法[J]. 计算机工程与应用, 2019, 55(14): 198-202.
[9]	贾项南，于凤芹，陈莹. 多视角级联回归模型人脸特征点定位[J]. 计算机工程与应用, 2019, 55(10): 199-204.
[10]	祝朝政1，何明1，杨晟2，吴春晓1，刘斌1. 单目视觉里程计研究综述[J]. 计算机工程与应用, 2018, 54(7): 20-28.
[11]	李嘉祥，范影乐，武薇. 基于生物视觉机制的图像特征点检测方法[J]. 计算机工程与应用, 2018, 54(7): 182-187.
[12]	宋博1，姜万里2，孙涛1，熊正强1，芮华建1. 快速特征提取与感知哈希结合的图像配准算法[J]. 计算机工程与应用, 2018, 54(7): 206-212.
[13]	赵瑛1，耿秀琳1，李琦1，蒋广琪1，谷宇1，2. 视觉假体中动态图像识别研究[J]. 计算机工程与应用, 2018, 54(23): 162-169.
[14]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[15]	林汀1，娄小平1，2，刘锋1，2，李伟仙1，2. 序列图像特征提取与匹配算法的改进[J]. 计算机工程与应用, 2017, 53(9): 141-145.

基于多边形近似的图像纹理全局特性研究

Global feature recognition and extraction of texture image utilizing polygonal approximation of digital curves

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics