论文部分内容阅读
对纹理的研究是计算机视觉、图像处理和模式识别领域的重要方向。本论文在回顾和分析了一些常用的纹理分析模型和方法的基础上，提出用贝叶斯网络对纹理图像建模，并用于纹理的合成和分类。本论文的内容包括基于贝叶斯网络的纹理合成技术、贝叶斯网络纹理图像建模与分类方法和用尺度不变特征从纹理恢复形状。
首先，介绍了基于贝叶斯网络的纹理合成技术。根据贝叶斯网络在发掘和表示节点间独立性和因果性关系方面的长处，研究了基于贝叶斯网络模型的纹理分析和合成技术，提出如何从已知样本建立贝叶斯网络模型，学习其结构和参数的方法，并结合邻域匹配和搜索的方法将其应用到纹理合成中，对二值、灰度和彩色纹理的合成都取得了良好的效果。
其次，介绍了贝叶斯网络纹理图像建模与分类技术。用贝叶斯网络对纹理图像建模并进行特征的提取。把纹理图像在一个窗口内各个像素的灰度值看作贝叶斯网络的一次实现，通过训练得到各类纹理所对应贝叶斯网络的结构和参数，用纹理图像像素点在网络中的条件概率分布的直方图作为特征进行纹理分类。这种纹理分类的方法以贝叶斯网络中节点的条件概率分布为特征，节点的邻域结构是从原纹理图像中学习得到的，不同于以往模型中固定的邻域结构。
最后，用尺度不变特征从纹理恢复形状。论文给出了一种估计纹理平面方向的方法。通过此方法可以先将纹理图像恢复成正面垂直方向，并估计出相应的尺度。该方法首先提取纹理图像中具有尺度不变特征的关键点，求出以这些关键点为中心的局部模式的尺度和方向正规化的特征，然后按照特征将这些模式分类，并假定图像中同属一类的局部模式的尺度变化仅由成像时的透视效果产生，最后利用纹理图像中局部模式尺度变化同射影变换的关系估计物体表面的形状。在估计平面的方向时利用稳健回归方法弥补将特征点聚类时的误差。