基于样本的纹理合成算法及其应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-29页 |
| 1.1 引言 | 第19-20页 |
| 1.2 研究背景及意义 | 第20-21页 |
| 1.3 现有研究工作进展 | 第21-24页 |
| 1.3.1 纹理合成研究进展 | 第21-23页 |
| 1.3.2 深度学习研究理论的发展 | 第23-24页 |
| 1.4 存在难点及问题 | 第24-25页 |
| 1.5 选题来源及主要贡献 | 第25-27页 |
| 1.6 论文结构与章节安排 | 第27-29页 |
| 第二章 纹理合成及深度学习理论简介 | 第29-45页 |
| 2.1 纹理合成基础理论 | 第29-34页 |
| 2.1.1 纹理合成定义 | 第29-30页 |
| 2.1.2 基于样本的纹理合成典型算法 | 第30-34页 |
| 2.2 深度学习基础理论 | 第34-44页 |
| 2.2.1 神经网络 | 第35-38页 |
| 2.2.2 卷积神经网络 | 第38-40页 |
| 2.2.3 递归神经网络 | 第40-43页 |
| 2.2.4 深度学习开源框架 | 第43-44页 |
| 2.3 小结 | 第44-45页 |
| 第三章 基于曲率优化相似度函数的纹理合成算法 | 第45-55页 |
| 3.1 相似度函数 | 第45-46页 |
| 3.2 基于曲率优化的相似度函数 | 第46-47页 |
| 3.3 大尺度结构纹理合成算法流程 | 第47-50页 |
| 3.3.1 规则纹理检测 | 第47-48页 |
| 3.3.2 大尺度结构纹理合成优化方法 | 第48-50页 |
| 3.4 实验仿真与分析 | 第50-54页 |
| 3.5 小结 | 第54-55页 |
| 第四章 基于卷积特征图的纹理合成算法 | 第55-73页 |
| 4.1 特征图提取 | 第55-56页 |
| 4.2 相似度函数 | 第56-58页 |
| 4.2.1 均方误差相似度函数 | 第56页 |
| 4.2.2 统计特征相似度函数 | 第56-58页 |
| 4.3 目标函数 | 第58-62页 |
| 4.3.1 L-BFGS函数 | 第61页 |
| 4.3.2 纹理生成 | 第61-62页 |
| 4.4 实验仿真与分析 | 第62-72页 |
| 4.5 小结 | 第72-73页 |
| 第五章 基于长短记忆模型的规则纹理合成算法 | 第73-83页 |
| 5.1 纹理模型 | 第73-74页 |
| 5.2 LSTM模型及合成方法 | 第74-78页 |
| 5.2.1 LSTM模型 | 第75-76页 |
| 5.2.2 训练及生成方法 | 第76-78页 |
| 5.3 实验仿真及分析 | 第78-81页 |
| 5.4 小结 | 第81-83页 |
| 第六章 纹理合成算法在图像修复及风格化中的应用 | 第83-99页 |
| 6.1 背景修复 | 第83-91页 |
| 6.1.1 目标分割 | 第83-85页 |
| 6.1.2 背景修复 | 第85-87页 |
| 6.1.3 实验仿真及分析 | 第87-91页 |
| 6.2 图像风格化 | 第91-97页 |
| 6.2.1 边缘提取 | 第91-92页 |
| 6.2.2 艺术风格学习 | 第92-93页 |
| 6.2.3 色调生成 | 第93-94页 |
| 6.2.4 图像艺术风格转移 | 第94页 |
| 6.2.5 实验仿真及分析 | 第94-97页 |
| 6.3 小结 | 第97-99页 |
| 第七章 总结与展望 | 第99-103页 |
| 7.1 总结 | 第99-100页 |
| 7.2 下一步工作展望 | 第100-103页 |
| 参考文献 | 第103-111页 |
| 致谢 | 第111-113页 |
| 作者简介 | 第113-115页 |
