云南重彩画人脸肖像生成算法

通过对云南重彩画作画风格的研究,论文提出了云南重彩画人脸肖像生成 算法。首先从云南重彩画绘画作品中学习云南重彩画人脸绘制特点,引入特征比例对云南重 彩画人脸特征进行描述,发现云南重彩画人脸绘制特点,并归纳总结云南重彩画人脸绘制规 律。然后对输入的人脸照片进行轮廓线提取、特征点标定、特征值及特征比例的计算,将特 征比例与云南重彩画人脸特征比例进行比对,发现变形程度并进行变形。最后,根据主观辨 识后的经验值对五官特征的位置进行调整,再进行风格转换处理。运用该算法生成的云南重 彩画风格的人脸肖像,既与原图相似,又符合云南重彩画人脸绘制特点。     

基于多层次显著图的自动铅笔画生成

图像艺术风格化是将图像自动转化为具有艺术风格的图像的方法统称,具有十分广阔的需求和市场应用前景.本文针对现有方法生成的图像往往风格单一、线条僵硬,提出了一种基于多层次视觉显著图将照片图像自动转化成铅笔画的方法,借助视觉显著性特点,使得风格化图像更加自然逼真.首先利用量子切割原理生成一幅包含多个层次的视觉显著性映射图,为每个像素计算一个重要性概率值;其次,利用显著性映射图对铅笔画轮廓图进行建模,并利用图像的边缘切线流为边缘像素计算显著性层次,生成不同粗细、长短、方向的笔画;最后,利用显著性映射图对色调纹理进行建模,对不同层次的像素采用不同程度的灰度变换和纹理合成.与现有的非真实感图像生成方法相比,文中方法由于利用了多层次视觉显著性信息,生成的图像更加具有层次感和艺术表现力,更接近画家绘画作品.实验表明,采用该方法得到的合成框架可以将照片快速转换成铅笔画艺术风格图像,效果生动逼真.     

基于视觉重要性的图像油画风格化绘制算法

为了将真实图像转换为油画风格,提出一种油画风格化绘制的算法.首先根据油画绘制特点,结合改进的双边滤波与数学形态学操作来建立金字塔结构的多层参考图像序列;然后提出基于视觉重要性图的笔画布置算法.通过使用人脸、视觉焦点检测等方法来检测重要性区域,并根据这些区域信息进行画笔绘制的起点、方向计算精度改进和对图像纹理边界做加强约束,达到了油画内容主次分明的效果.实验结果表明,采用文中算法能够达到较好的视觉效果.     

线条增强的建筑物图像抽象画生成

针对建筑物图像线条鲜明、轮廓清晰的特点,提出一种自动化的抽象画生成算法.首先通过双边滤波对原始图像的细节进行简化;然后利用快速的、带有误判控制的图像线段检测算法来获得建筑物的外轮廓和门窗等线条特征,通过该线条特征增强基于流的高斯差滤波器生成线条框架;最后将双边滤波处理结果与线条框架进行融合形成最终的抽象画效果.该算法既去掉了建筑物图像中多余的细节信息,使整个图像更趋抽象,同时又通过边缘信息保持了建筑物自身独有的风格,充分展现出富有艺术家手绘风格的建筑物效果.文中算法简单、易于实现,并通过实验充分证明了其有效性.     

基于自相似与对比学习的图像跨域转换算法

图像跨域转换,又称图像翻译,是一种旨在将源域的图像转换为目标域的图像的技术,具体来说是使生成图像在保持源域图像的结构（轮廓、姿态等）的同时具有目标域图像的风格（纹理、颜色等）.图像跨域转换技术在视觉领域有着广泛的应用,如照片编辑和视频特效制作.近年来,该技术在深度学习尤其是生成对抗网络的基础上得到了飞速发展,也取得了令人印象深刻的结果,但是迁移后的生成图像仍然存在颜色模式坍塌、内容结构无法保持等问题,针对这些问题,提出了一种基于自相似性与对比学习的图像跨域转换算法.该算法利用预先训练的深度神经网络模型提取图像的内容特征和风格特征,将感知损失和基于自相似性的损失作为图像内容损失函数,同时使用一种宽松的最优传输损失和基于矩匹配计算的损失作为图像风格损失函数对提出的神经网络进行训练,并通过将生成图像和目标域图像标记为正样本对,将生成图像和源域标记为负样本进行对比学习.在4个数据集上对提出的算法进行了实验验证,结果表明提出的算法在生成的结果图像上较好地保持了源域图像的内容结构,同时减少颜色的模式坍塌,且使生成的图像风格与引导图像的风格更加一致.     

中国肖像画的风格转移算法

风格转移技术能快速生成目标艺术作品,但直接用在中国画上通常会存在特征分布不协调、人脸辨识不一致等问题.针对上述问题,文中提出基于卷积神经网络(CNN)的中国肖像画风格转移算法.首先,针对中国肖像画中写意和工笔两种绘画技法,提出笔触控制约束,指导图像的纹理分布.然后,提出国画特征移动距离,用于度量内容与风格特征,并将参考的中国画风格协调部署在肖像照上.最后,针对中国画的水墨色调和留白特点,提出水墨留白约束改进损失网络.实验表明,文中算法生成的结果不仅保证人脸辨识的一致性,而且在中国画艺术风格上表现更优.     

肖像照片漫画风格化方法

为了解决已有方法不能自动生成反映五官特征且具有写实漫画风格的线条画的问题,基于数据驱动和滤波的混合方法,提出一种漫画风格肖像线条画自动生成的方法.将五官和头发分为2部分,基于数据驱动的方法合成五官,使用非数据驱动的方法生成头发.在已有的特征点基础上,从数据库中匹配合适的五官数据生成五官图片.对于头发的处理,使用Canny边缘检测、图像二值化、自适应阈值二值化和XDoG算子4种不同处理方法生成头发线条域;为了更接近绘画效果,使用不同的绘画纹理与头发线条域进行叠加,生成具有不同纹理、不同风格的头发.整合五官图片和头发图片,最终生成肖像的漫画风格线条画.从互联网上获取图片构建数据集进行实验,采用不同方法生成不同风格的图片,并请专业和非专人士分别对图像质量的高低、人物特征的把握准确程度和整体审美效果3个方面打分进行评估.结果表明,所提方法能够实时地处理发生偏侧的人脸图片,与其他方法相比,该方法能生成的图片是写实漫画风格而非卡通风格或素描风格,在生成漫画风格夸张五官的同时处理结构复杂的头发.     

基于单幅图像的三维建筑物交互累进式建模

基于单幅建筑物图像,提出一种以简单交互方式累进式重建三维建筑物场景的方法.在以单幅建筑物图像为背景的画布上,用户首先标记建筑物的2个基面并对输入图像进行校正预处理,校正过程中充分利用透视图像中的平行线交于同一个图像消影点的特点,由射影变换快速消除建筑物图像中的透视失真并恢复建筑物图像中的线条平行关系;然后在经校正处理后的图像上描绘建筑物基本轮廓线条,系统自动查找轮廓线条平行垂直关系,利用二维线画图中各线条的平行、垂直及顶点共面关系作为约束建立能量函数计算线画图中所有顶点的深度值,并根据结构对称性特点完善建筑物模型几何结构,生成建筑物场景的粗糙模型;最后利用建筑物图像呈现的精细细节结构和其与建筑物粗糙模型主体结构的几何位置关系确定细节结构顶点的深度值,并根据输入图像中可见部分纹理信息进一步合成建筑物表面纹理,得到精细真实的三维建筑物模型.实验结果表明,该方法能够方便、高效地重建输入图像中的建筑物场景,并且具有较强的真实感.     

艺术风格学习

提出一种基于实例的非真实感图像绘制算法，该算法利用两种纹理合成的基本方法，通过参数调整控制匹配点在结构与细节间的倾向性，把输入样图中的绘画风格传输到目标图片中，实现了自动绘画功能，另外，还提出一种搜索算法，该算法可以在大地加快纹理合成速度，实验证明文中算法十分有效。     

基于字典学习的HDR照片风格转移方法

HDR照片风格,包括自然、浮雕、绘画、油画等,能够展现丰富的艺术特质,具有风格显著、细节丰富、颜色饱满等特点。但是,传统的HDR风格生成方法交互繁琐、费时费力,并且生成的HDR效果稳定性差。因此,为了简化交互、提升效果,提出了一种HDR照片风格转移方法,通过给定一张HDR参考照片,借助颜色转移和字典学习技术,将HDR风格特征转移到源照片上,从而自动生成HDR照片效果。首先,借助梯度保持的颜色转移技术,将HDR参考照片的颜色特征转移到源照片上;然后,对HDR参考照片提取细节特征,利用K_SVD算法进行字典训练,形成细节的过完备字典集;接着,利用细节字典集对源照片进行稀疏重建,生成与参考照片特征一致的细节;最后,将颜色转移结果和细节重建结果合并,生成HDR风格的新照片。实验表明该方法应用到多种HDR风格,都可以获得跟参考照片风格一致的视觉效果。     

一种绘画效果生成算法

图像的绘画效果由平滑纹理,保持并加强边角获得。给出一种鲁棒的由真实图像自动生成相应绘画效果的算法。算法根据图像的局部结构,自适应地调节滤波器的带宽与形状,来模拟画笔宽度和绘画技法。实验结果表明,算法的处理结果在视觉效果上接近绘画,并且对低质量的输入图像同样有效。     

基于纹理合成的水墨山水画自动绘制

通过分析中国山水画的一般创作技法,提出了基于纹理合成的水墨山水画绘制方法.将一幅图像作为控制图像,用于控制要绘制的区域轮廓和明暗色调;采集画家的手稿作为样本图像,通过纹理合成绘制出国画绘画中的各种皴、染笔触;在传统的纹理合成方法上,提出了一种目标控制的多级纹理合成算法,该算法能利用控制图像有效地控制纹理合成的结果.从而可以将一幅数字照片或简单的手绘图自动地转换成各种中国水墨画效果的图像.仿真结果证明了该方法对于各种山水画的绘制具有良好的效果.     

新的蜡笔画风格生成方法

对真实蜡笔画的艺术特征和纹理结构分析,模拟了蜡笔画的颜色、纹理特点,提出了一种基于彩色图像的蜡笔画风格自动生成算法,实现了基于区域的均值漂移对输入图像迭代运算,完成了图像的色彩风格转换。在此基础上,提出了多噪声纹理模拟方法,分别实现了对图像色彩区域和轮廓区域的纹理模拟与添加,生成蜡笔画风格,从而达到计算机辅助生成蜡笔画的目的。该算法生成的结果图和手绘效果非常相似,适合教育、漫画插图和娱乐等领域的应用。     

基于Sobel滤波器的图像风格转换算法

基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法.通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数.在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失.实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像.     

基于Sobel滤波器的图像风格转换算法

基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法.通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数.在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失.实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像.     

基于半高斯梯度算子的尺度自适应纹理滤波

为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,方向能够较好地反映结构法向;然后基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.     

结构识别引导下的纹理抑制图像平滑

目的 针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法 首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式的区域,因此,通过对结构/纹理的多尺度分析,提取了对于结构/纹理具有辨别力的多尺度内变差特征;然后,借助支持向量机,对提取的特征样本点训练出一个结构/纹理分类器;就分类结果中存在的结构较粗、毛刺等问题,进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作,以获得最终的更为精细的结构识别结果;最后,提出结构引导下的自适应双边图像滤波算法,达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。结果 本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率,结构引导下的图像滤波能够在保持结构的同时,有效地抑制强梯度和尺度变化的纹理细节。结论 本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法,对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用,体现了潜在的实际应用价值。     

一种呈现清晰纹理的快速误差扩散算法

清晰地呈现图像的细节纹理结构是现代数字半色调技术研究的重要方面.提出一种简单有效、且能保持原图像纹理结构的半色调误差扩散算法.该算法以Ostromoukhov算法为基础,根据图像灰度空间的局部分布特征,通过计算误差扩散像素点的局部视觉纹理反馈信息,对原固定阈值进行调节.实验结果表明,改进后的算法生成的半色调图像再现的纹理结构清晰自然,且具有蓝噪声特性,在PSNR、UIQI和SSIM三项指标评测方面均有较好表现.     

基于图像的流体型风格画仿真研究

为了模拟艺术家的流体型风格绘画,提出了一种新的流体型风格化图像绘制算法。提取图像中的流体信息,通过随机扰动生成纹理参考图,再运用小波技术的融合方法,使得输出图像具有流体效果,最后采用色彩转换的方法,将颜色参考图中的色彩特征转换到绘制图像上。实验结果表明,该算法自动化程度高,复杂度低,渲染效果更接近于流体型风格绘画。     

基于结构嵌入的图像修复方法研究

针对当前图像修复领域存在结构丢失、纹理模糊、不能够充分利用背景信息生成内容风格一致的填充区域的问题,在编码解码网络基础上,提出带有多尺度结构信息与注意力机制的共享修复模型。在生成阶段,嵌入多尺度结构信息为图像修复提供前提条件。同时使用多尺度注意力机制,从背景信息中获取相关信息,并经过细化,生成与图像相关的内容和结构;使用PatchGAN和固定权重VGG-16分类器作为鉴别器,并将风格损失和感知损失引入到对抗网络中,以实现所生成图像的风格一致性。在Places2数据集上与当前主流的图像修复算法进行对比,实验结果表明该算法与其他算法相比能较好地恢复图像结构的细节信息,生成更清晰、精细的修复结果。