李二强, 陈凯健, 周 漾

(深圳大学 计算机与软件学院, 广东 深圳 518060)

纹理合成是图形学及图像处理领域的基础问题之一, 纹理合成技术旨在合成符合用户要求的纹理图片, 在真实感和非真实感绘制、 图像修复、 图像艺术风格转换等领域应用广泛. 纹理合成方法主要分为两大类： 基于参数化过程的和基于样例的纹理合成. 由于前者包含复杂的参数设计, 因此目前的研究工作以后者为主.

基于样例的纹理合成算法研究目前已取得许多成果[1-14]. 传统基于样例的纹理合成方法主要从源纹理图像拷贝像素颜色至结果图像, 包括逐像素拷贝[1-2]、 逐块拷贝拼接[3-4]和基于块纹理优化[5,15], 这些算法在均匀纹理(随机纹理和规则纹理等)的合成上取得了较好的效果. 对于非均匀纹理, 近年才有研究者通过分析样图, 提取一些人工设计特征作为引导通道实现可控合成, 例如边缘[6]和渐变[7]等. 但这些方法可处理的非均匀纹理有限. 深度学习技术的发展为纹理合成方法带来了新思路. Gatys等[8]用神经网络实现了基于样图的纹理合成工作, 该方法将神经网络中间层的特征图统计信息作为深度纹理表征, 通过反馈网络优化合成结果； Ulyanov等[9]将文献[8]的方法转换为前馈神经网络； Li等[12]将生成对抗网络引入到纹理合成中, 该网络能同时进行纹理合成和艺术风格迁移； 文献[11]提出了一种用于合成周期性重复纹理的生成对抗网络. 但这些深度学习方法仍仅适用于随机……