林俊彦，刘春晓，章金凯，李泓易

浙江工商大学计算机与信息工程学院, 杭州 310018

0 引 言

纹理滤波旨在通过保留物体的结构和平滑不重要的纹理对图像进行滤波，这是一个底层视觉算法问题，并在细节增强、色调映射、去噪和边缘提取等领域有着重要的实用价值。

已有的纹理滤波方法可以分为两大类，即图像处理方法和深度学习方法。图像处理的纹理滤波方法又可以分为局部滤波和全局滤波两类。局部滤波方法通过局部滤波核计算纹理像素的邻域平均值，同时试图保留结构像素的原始值，如He等人(2010)提出的引导滤波(guided filtering，GF)，Zhang等人(2014)提出的滚动引导图像滤波(rolling guidance filter，RGF)，Zhang等人(2015)提出的基于分割图的图像滤波(segment graph based image filtering，SGF)，刘春晓等人(2018)提出的基于半高斯梯度算子的尺度自适应纹理滤波。局部滤波的方法往往能以较快的速度得出平滑结果，但是效果不是很理想。而全局滤波的方法通过寻求含有数据约束项和先验平滑项的目标函数的最优解来进行纹理滤波，如Xu等人(2012)提出的相对总变分(relative total variation，RTV)，Xu等人(2011)提出的L0梯度最小化方法，Ham等人(2018)提出的鲁棒引导图像滤波(static/dynamic filter，SDF)，邵欢和刘春晓(2018)提出的结合纹理梯度抑制与L0梯度最小化的纹理滤波。这些方法往往能得到较好的运行结果，但是速度较慢。现有的基于图像处理的纹理滤波方法难以在滤波强梯度纹理的同时较好地保持结构，并且大多数此类方法都需要经过复杂的超参数调整。

目前已有许多基于深度学习的纹理滤波方法……