导读:本文包含了纹理方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,图像,灰度,多核,矩阵,克莱,卷积。
纹理方法论文文献综述
高明慧,张尤赛,王亚军,李垣江[1]（2019）在《应用卷积神经网络的纹理合成优化方法》一文中研究指出针对传统纹理合成方法特征提取困难以及合成周期较长的问题,提出一种基于卷积神经网络的纹理合成优化方法。通过优化VGGNet卷积神经网络的结构,并提出增加批量归一化BN层的方法,来提高网络训练速度和减少参数过拟合现象;通过计算每层得到的纹理图像特征响应的克莱姆矩阵,构建克莱姆矩阵集合来表达纹理特征;由梯度下降算法计算梯度,通过L-BFGS优化算法最小化损失函数,合成纹理图像。实验结果表明,该方法可以有效提高模型训练速度,减少参数过拟合现象,合成高质量的图像。(本文来源于《计算机工程与设计》期刊2019年12期）
陈静,张艳新,姜媛媛[2]（2019）在《融合多特征与随机森林的纹理图像分类方法》一文中研究指出针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。(本文来源于《传感器与微系统》期刊2019年12期）
刘世豪,杜慧敏,黄虎才,王可,卢通[3]（2019）在《多核并行访问纹理单元的预处理方法》一文中研究指出在基于tile渲染的多核GPU中,各个处理器并行处理tile内场景。当场景中出现大量重复纹理数据时,不同tile内会采样相同的纹理坐标,导致纹理单元对相同纹理进行重复处理。针对此类情况,论文提出了两种处理方法,即固定处理模式与预处理模式。方法二对方法一进行优化,具有合并相同访问请求的功能。方法二通过对纹理数据采样请求的两次比较,解决了同一时刻与某段时间内多核出现相同纹理数据采样请求的情况,减少了纹理单元重复冗余的操作和功耗,提升了纹理映射的速度。(本文来源于《计算机与数字工程》期刊2019年11期）
宋成芳,肖春霞[4]（2019）在《尺度自适应的纹理滤波方法》一文中研究指出对于图像中的多尺度纹理,其高效滤波仍是一项具有挑战性的工作.为此,提出了一种尺度自适应的变核纹理滤波方法,以更有效地实现"去纹理保结构"的图像平滑.设计了一种结构探测式的滤波核尺度选择机制,即在像点的预设考察邻域内探测结构边的存在,以不含结构边的最大范围估算像点适用的滤波核尺寸;最终纹理区域内的像点获得大尺度滤波核、结构上的像点获得小尺度滤波核.以多种尺度的核同步作滤波,即为一次多尺度纹理滤波,则各像点的滤波幅度自适应于邻域的结构-纹理分布.在对纹理图像作滤波平滑的实验中,相比于已有滤波方法,文中方法能够以较少的滤波迭代次数和处理时间获得视觉对比与量化评测指标上相似或更好的平滑效果,图像滤波结果表明,该方法在纹理去除效率和滤波质量上均具有优势.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
魏伟一,王瑜,阿成凤[5]（2019）在《一种基于LBP的纹理合成无载体信息隐藏方法》一文中研究指出为了提高无载体隐写算法的嵌入容量和抗干扰能力,提出了一种基于LBP码的纹理合成信息隐藏方法。该方法首先选择原始小尺寸纹理图像,分割生成均匀的像素块并计算块内每个像素的LBP值,取分布最多的LBP值作为该图像块的代表信息。隐藏秘密信息时,首先用指定密钥生成伪随机序列确定白纸上放置纹理候选块的位置,然后根据秘密信息的值选择候选块,放置到白纸指定的位置,其余空白位置则使用纹理合成方法填充。提取信息时,根据密钥生成的伪随机序列得到含密信息块位置,计算每一图像块的LBP值,取分布最多的LBP值作为该图像块包含的信息,从而得到秘密信息。实验结果表明,该方法生成的含密图像具有良好的视觉效果,而且在嵌入容量和抗干扰能力方面有了进一步提高。(本文来源于《计算机工程与科学》期刊2019年11期）
傅艺扬,刘妹琴,樊臻,张森林[6]（2019）在《基于纹理滤波和颜色聚类的提花织物纹样自动提取方法》一文中研究指出为了提高提花织物纹样提取的准确性,消除织物组织结构对提取结果的干扰,文章提出了一种基于纹理消除滤波算法和密度峰聚类算法的纹样提取方法。通过统计图片区域梯度信息分离提花织物组织纹理区域和图案边缘结构,并利用非极大值抑制获得纹样边缘结构作为滚动引导滤波器的引导图,经过多次迭代计算实现织物纹理滤波。然后将图片从RGB颜色空间转换为CIELab颜色空间,利用密度峰聚类算法对织物色彩空间分割聚类,最终提取出织物纹样。实验结果表明,文章提出的方法快速准确地实现了提花织物纹样的自动分割与提取。(本文来源于《丝绸》期刊2019年12期）
樊红卫,邵偲洁[7]（2019）在《基于灰度图像纹理分析的电主轴不平衡故障诊断方法》一文中研究指出针对转子不平衡,首次提出了基于灰度图像纹理分析的故障诊断方法。首先将转子振动信号转化为二维灰度图像,并利用局部二值模式提取灰度图像的纹理特征;通过二维傅里叶变换提取灰度图像的特征频率,并采用灰度图像二维矩阵的平方和来表征图像的明暗程度,由此来区分不同程度的不平衡故障。在某电主轴系统平台上,完成了转子正常和3种不同程度转子不平衡的故障诊断试验,结果表明所提出的方法能够有效区分不同程度的转子不平衡,为旋转机械的故障诊断提供了一种新方法。(本文来源于《制造技术与机床》期刊2019年11期）
程飞[8]（2019）在《基于纹理场的叁维纹理绘制方法》一文中研究指出该文研究了基于纹理场的叁维表面纹理绘制方法.从数学函数(规则纹理场)或者样图(不规则纹理场)出发,构建纹理场,从纹理场中蚀刻形体,可以避免纹理映射算法接缝处的视觉不连续问题.与纹理合成算法比较,纹理场算法具有更好的实时性和适用性,适合游戏场景的绘图需要.(本文来源于《通化师范学院学报》期刊2019年10期）
徐歆冰[9]（2019）在《多重纹理图像相似模式精确识别方法仿真》一文中研究指出图像相似程度识别是图像高效利用的基础,针对当前相关成果存在的问题,提出基于LBP的多重纹理图像相似模式识别方法。引入模糊松弛迭代法进行图像增强,根据图像基本信息,设置图像模糊松弛参数,设计构建模糊松弛相应映射函数,实现图像可控迭代式增强,并以适当迭代次数当作增强结束条件。基于增强后图像提取纹理特征,对增强后的图像进行粒的划分,依据图像区域分割结果提取出粒边缘,得到粒边缘详细信息,将合并后的粗糙粒边缘当作图像纹理特征。结合特征提取结果,采用LBP算子对图像进行精细划分,得到LBP直方图分布情况,并基于训练模型及测试样本特征,通过加权特征向量之间的距离计算得到图像相似模式识别分类最终结果。仿真结果表明,上述方法识别率高,且识别过程能耗低。(本文来源于《计算机仿真》期刊2019年10期）
郭二军[10]（2019）在《云平台网络多重纹理图像匹配融合方法研究》一文中研究指出传统的图像匹配融合方法在匹配多重纹理图像时,很容易出现误差匹配,融合后的图像清晰度不高,轮廓不鲜明,针对上述问题,在云平台网络上研究了一种新的多重纹理图像匹配融合方法。首先,计算多重纹理图像的匹配代价,分析图像像素的相似度和特异性,构建动态规划路径,在不同网络结构下匹配多重纹理图像;然后,建立树状图对图像进行融合;最后,利用视察矫正方法将匹配融合得到的误差点消除。为验证该方法的工作效果,与传统匹配融合方法进行实验对比,结果表明,给出的方法能够清晰地得到像素点云,使融合后的图像轮廓鲜明,画质清晰,适用于图像重构。(本文来源于《现代电子技术》期刊2019年19期）
纹理方法论文开题报告
（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：
针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。
（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。
纹理方法论文参考文献
[1].高明慧,张尤赛,王亚军,李垣江.应用卷积神经网络的纹理合成优化方法[J].计算机工程与设计.2019
[2].陈静,张艳新,姜媛媛.融合多特征与随机森林的纹理图像分类方法[J].传感器与微系统.2019
[3].刘世豪,杜慧敏,黄虎才,王可,卢通.多核并行访问纹理单元的预处理方法[J].计算机与数字工程.2019
[4].宋成芳,肖春霞.尺度自适应的纹理滤波方法[J].计算机辅助设计与图形学学报.2019
[5].魏伟一,王瑜,阿成凤.一种基于LBP的纹理合成无载体信息隐藏方法[J].计算机工程与科学.2019
[6].傅艺扬,刘妹琴,樊臻,张森林.基于纹理滤波和颜色聚类的提花织物纹样自动提取方法[J].丝绸.2019
[7].樊红卫,邵偲洁.基于灰度图像纹理分析的电主轴不平衡故障诊断方法[J].制造技术与机床.2019
[8].程飞.基于纹理场的叁维纹理绘制方法[J].通化师范学院学报.2019
[9].徐歆冰.多重纹理图像相似模式精确识别方法仿真[J].计算机仿真.2019
[10].郭二军.云平台网络多重纹理图像匹配融合方法研究[J].现代电子技术.2019
论文知识图
