[发明专利]一种基于纹理优化的非同质图像合成方法

摘要

一种基于纹理优化的非同质图像合成方法，所述图像合成方法包括以下步骤：1)生成标签图A，颜色图A'，新标签图B的高斯金字塔，AL，A′L，BL，B′L表示对应金字塔的第L层；2)设定初始层L，生成初始化样图；3)对不同类型的图像定义不同的全局度量准则；4)从最粗糙层L开始，对金字塔从粗糙层到精细层循环做：4.1)对该层邻域窗口金字塔winSizePyr中的每个邻域大小做：4.1.1)根据AL，A′L，BL，B′L执行M步骤，得到MatchL；4.1.2)根据AL，A′L，BL，B′L，MatchL执行E步骤，得到优化后的新的B′L；4.2)对B′L超采样得到B′L-1。本发明快速性良好、合成质量较高、合成效率更快。

主权项

一种基于纹理优化的非同质图像合成方法，其特征在于：所述图像合成方法包括以下步骤：1)生成标签图A，颜色图A'，新标签图B的高斯金字塔，AL，A′L，BL，B′L表示对应金字塔的第L层；2)设定初始层L，生成初始化样图；3)对不同类型的图像定义不同的全局度量准则；4)从最粗糙层L开始，对金字塔从粗糙层到精细层循环做：4.1)对该层邻域窗口金字塔winSizePyr中的每个邻域大小做：4.1.1)根据AL，A′L，BL，B′L执行M步骤，得到MatchL，具体过程如下：保持目标纹理B,B’不变，根据特征F对目标纹理B，B’中的点q在样图纹理A，A'中找到最佳匹配点v，存在纹理MatchL中，形式化的表示如下： Match L ⇐ arg min v , v ∈ c ( q ) ( | | F B L ( q ) - F A L ( V ) | | 2 + | | F B L ′ ( q ) - F A L ′ ( V ) | | 2 ) - - - ( 7 ) 采用基于k‑coherence的离散求解器进行TBN纹理优化，其中M步骤用k‑coherence搜索进行最相似邻域查找，k‑coherence搜索分为预处理和搜索合成两个阶段；在预处理阶段，对于样图A，A’中的点p，在A，A’中查找和其最相似的点，并将查找得到的点坐标值存在纹理中；在搜索阶段，对B’中的每个点q，从q的邻域中收集k‑coherence候选集c(q)，在候选集中查找和q邻域最相似的点，存在MatchL中；用CUDA(Compute Unified Device Architecture)架构实现时，Block的个数与图像像素点个数一致，线程个数为候选点个数，一个block的任务是对一个像素点查找最相似点；首先收集k‑coherence的候选集存放在块内共享内存中，然后每个线程并行地计算一个候选集点和当前点的距离，计算结果也存放于共享内存中，当一个block内的所有线程都计算得到距离后，从块内共享内存中读取所有点的距 离，查找距离最小的最相似点；4.1.2)根据AL，A′L，BL，B′L，MatchL执行E步骤，得到优化后的新的B′L，具体过程如下：E步骤保持目标纹理B，B’中点在样图纹理A,A'中的最佳匹配MatchL不变，根据当前目标纹理和M步骤计算得到的最佳匹配，最小化下一个目标纹理B′L，形式化的表示如下： B ′ L ⇐ arg min x , x ∈ D ( q ) ( E TBN ) ; - - - ( 8 ) 采用离散优化的方法逐像素的计算目标纹理值，根据当前q点在MatchL图中的邻域计算平均颜色值，平均颜色值的通道数与特征选取有关；根据B’的邻域建立候选集D(q)，D(q)中和平均颜色值最相似的点被设置为B′L(q)的值，实现最小化能量函数ETBN；D(q)由k‑coherence搜索得到，和步骤4.1.1)采用的方法一样；另外在每个block中，先计算平均颜色值，然后拿候选点与平均颜色值相比较，得到优化后的点坐标；4.2)对B′L超采样得到B′L‑1，具体过程如下：对已有的坐标图B′L超采样得到B′L‑1，在超采样过程中，将图像划分为N块，每个block处理一个图像块，B′L和纹理内存相绑定，每个线程依次执行如下操作：获得B′L‑1(p)的坐标(u，v)，在B′L中取坐标为(u/2，v/2)点的颜色值color，B′L‑1(p)点的值即为color*2+(u％2，v％2)。