圖像視覺屬性傳遞算法的研究及應用

目錄
第1章 緒論 1
1.1 圖像視覺屬性 1
1.1.1 顏色 1
1.1.2 紋理 2
1.1.3 風格 3
1.1.4 情感 4
1.2 圖像視覺屬性傳遞算法研究的意義 5
1.3 視覺藝術風格傳遞研究現(xiàn)狀 8
1.4 本書主要內(nèi)容 10
參考文獻 11
第2章 圖像視覺屬性傳遞算法的研究現(xiàn)狀 13
2.1 色彩傳遞 13
2.1.1 傳統(tǒng)色彩傳遞算法 13
2.1.2 深度色彩傳遞算法 22
2.2 紋理合成 28
2.2.1 紋理的定義 28
2.2.2 基于樣圖的紋理合成 29
2.2.3 紋理合成加速算法 33
2.2.4 深度紋理合成算法 41
2.3 風格傳遞 43
2.3.1 傳統(tǒng)的風格傳遞算法 43
2.3.2 深度學習的風格傳遞算法 47
2.4 本章小結 51
參考文獻 52
第3章 繪制內(nèi)容指導的鉛筆畫風格實現(xiàn) 55
3.1 鉛筆畫繪制研究概述 55
3.1.1 執(zhí)行方式不同的鉛筆畫繪制 55
3.1.2 處理結果不同的鉛筆畫繪制 55
3.1.3 色彩特征不同的鉛筆畫繪制 56
3.2 繪制內(nèi)容指導的鉛筆畫風格實現(xiàn)的主要思想和設計 57
3.3 鉛筆畫輪廓圖繪制 58
3.3.1 邊緣保持的圖像平滑處理 58
3.3.2 求取梯度圖 62
3.3.3 兩次卷積得到輪廓圖 62
3.4 鉛筆畫色調(diào)紋理圖繪制 65
3.4.1 鉛筆畫色調(diào)圖分類歸納 65
3.4.2 紋理噪聲圖形成 70
3.4.3 紋理方向的形成 72
3.4.4 生成彩色鉛筆畫 73
3.5 實驗結果與分析 73
3.5.1 繪制內(nèi)容指導的鉛筆畫風格實現(xiàn)實例 73
3.5.2 繪制參數(shù)對鉛筆畫繪制效果的影響 74
3.5.3 與其他鉛筆畫繪制算法的比較 76
3.6 本章小結 77
參考文獻 78
第4章 實例圖像上色 80
4.1 實例圖像上色研究現(xiàn)狀 80
4.1.1 傳統(tǒng)上色方法 80
4.1.2 深度學習上色方法 80
4.2 主要思想和研究工作 81
4.3 實例圖像上色算法研究基礎 83
4.3.1 卷積神經(jīng)網(wǎng)絡 83
4.3.2 目標檢測 86
4.3.3 注意力機制 88
4.4 極化自注意力約束顏色溢出的圖像自動上色 89
4.4.1 引言 89
4.4.2 網(wǎng)絡框架 89
4.4.3 損失函數(shù)的設計 93
4.4.4 實驗過程與分析 94
4.5 結合細粒度自注意力機制的實例圖像上色 100
4.5.1 引言 100
4.5.2 網(wǎng)絡框架 101
4.5.3 細粒度自注意力機制網(wǎng)絡 102
4.5.4 目標函數(shù)設計 106
4.5.5 實驗過程及分析 106
4.5.6 消融實驗 112
4.6 本章小結 116
參考文獻 117
第5章 基于繪制的云南重彩畫風格的數(shù)字模擬和合成 120
5.1 基于繪制的云南重彩畫風格合成研究思路及框架 121
5.2 云南重彩畫基本圖形元素庫 121
5.2.1 云南重彩畫基本圖形元素庫簡介 123
5.2.2 云南重彩畫基本圖形元素庫的組成 123
5.2.3 圖形元素的提取 123
5.2.4 圖形元素的建模 124
5.2.5 圖形元素的分級管理 125
5.3 云南重彩畫白描圖繪制 126
5.3.1 云南重彩畫白描圖繪制流程 126
5.3.2 云南重彩畫白描圖繪制方法 128
5.3.3 云南重彩畫白描圖繪制實例 130
5.4 云南重彩畫白描圖的著色與渲染 132
5.4.1 云南重彩畫特有紋理的建模 134
5.4.2 云南重彩畫刮痕狀紋理的筆刷繪制算法 138
5.4.3 云南重彩畫點塊狀混色紋理的填充繪制算法 142
5.4.4 云南重彩畫中空輪廓線增強算法和背景添加 152
5.4.5 繪制實例 157
5.5 本章小結 162
參考文獻 164
第6章 基于深度學習的云南重彩畫風格化繪制 165
6.1 基于深度學習的云南重彩畫風格化繪制的研究思路及框架 165
6.2 基于語義的人體變形 166
6.2.1 3D模型擬合 167
6.2.2 人體變形 168
6.3 對應語義的重彩畫風格轉(zhuǎn)移 171
6.3.1 人物風格轉(zhuǎn)移 171
6.3.2 服飾紋理轉(zhuǎn)移 173
6.3.3 泊松圖像融合 176
6.3.4 多風格轉(zhuǎn)移 179
6.3.5 實驗結果 179
6.4 云南重彩畫輪廓線條感增強 185
6.4.1 各向異性DoG濾波器提取人物的輪廓線 185
6.4.2 梯度*小化的圖像平滑增強邊緣 188
6.4.3 基于卷積神經(jīng)網(wǎng)絡的線條圖缺口檢測和補全 189
6.4.4 線條感增強實驗結果 192
6.5 云南重彩畫風格轉(zhuǎn)移效果對比 194
6.6 本章小結 198
參考文獻 199
后記 200