纹理合成：Pyramid-Based Texture Analysis/Synthesis

Pyramid-Based Texture Analysis/Synthesis

受视觉感知理论的启发，Heeger和Bergen提出一种基于金字塔的图像纹理合成技术，着重与随机纹理的合成(与随机纹理对应的是确定性纹理)，此技术的优势是只需要给定目标纹理，不需要更多额外信息即可自动完成目标纹理的合成，关于纹理方面的更多内容可以阅读 Human Texture Perception。本文的基础是拉普拉斯金字塔，关于金字塔的更多内容可以阅读文章 几种常见的金字塔变换总结，本算法的输入时给定纹理图像和噪声图像(一般是高斯白噪声)，目的是将噪声图像通过拉普拉斯金字塔转化为与给定纹理在人眼视觉上具有一致性的合成纹理图像。另外由于《Pyramid-Based Texture Analysis/Synthesis》写得还是比较简要的，很多内容都不是很清晰，关于此篇论文的更详细内容可以参考2014年发表的文章《The Heeger-Bergen Pyramid-Based Texture Synthesis Algorithm》。
纹理合成算法可以分为基于邻域的合成方式和基于统计信息的合成方式，基于邻域的合成方式主要是通过对纹理图像的重新排布来完成的，基于统计信息的合成方式主要基于纹理辨别理论( texture discrimination theories)，一般包含一下两个步骤，第一步是统计纹理图像的视觉信息，例如直方图、协方差函数等，第二步是将输入的目标图像或者噪声图像变成与纹理图像统计信息相同的合成图像，本文的纹理合成技术即属于此类方法。

Steerable Pyramid

一般将Steerable Pyramid译作方向可操作金字塔，与拉普拉斯金字塔类似，方向可操作金字塔也是图像的一种多尺度完备表示，在论文The steerable pyramid: A flflexible architecture for multi-scale derivative computation中首次提出，但不同于拉普拉斯的各向同性，方向可操作金字塔具有各向异性，是图像的线性多尺度、多方向分解，其

---

Algorithm 1: Steerable Pyramid Decomposition

---

Input：离散数字图像$u$，图像尺寸为$M\times N$；分解尺度数$P$；方向数$Q$；高通滤波器$h_0$，低通滤波器$l_0、l$，方向带通滤波器$b_q$
Output：图像$u$的方向可控制金字塔由$P\times Q+2$张不同尺寸的图像组成

1.计算图像的高频部分$h_0\ast u$

2.计算图像的低频部分$v\leftarrow l_0\ast u$

3.计算图像的高频方向带通部分$b_q\ast v$

4.计算图像的低频部分$v=l\ast v$

5.对图像$v$进行降采样$v={\downarrow }_{2}v$

6.重复步骤3-5共$P$次

---

构造Steerable Pyramid示意图：左边为图像分解部分，右边为图像重建部分

方向可操作金字塔可通过FFT来加速计算，记原图像$u$的离散傅里叶变换为：
$${\left({\mathcal{F}}_{M,N}(u)\right)}_{m,n}={\hat{u}}_{m,n}=\sum _{k=0}^{M-1}\sum _{l=0}^{N-1}{u}_{k,l}{e}^{-2i\pi \left(k\frac{m}{M}+l\frac{n}{N}\right)},(m,n)\in {\hat{\Omega }}_{M,N}$$
其对应的离散傅里叶逆变换为：
$${\left({\mathcal{F}}_{M,N}^{-1}(v)\right)}_{k,l}=\frac{1}{MN}m=-\frac{}{2}$$