没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
























第
46
卷
第
7
期
2019
年
7
月
计 算 机 科 学
COMPUTER SCIENCE
Vol.46No.7
Jul
y
2019
到稿日期
:
2018G08G21
返修日期
:
2018G12G07
本文受国家自然科学基金
(
61672375
,
61170118
)
资助
.
刘子奇
(
1994-
),
男
,
硕士生
,
主要研究方向为计算机图形学
、
图像处理
;
刘世光
(
1980-
),
男
,
博士
,
教授
,
博士 生导 师
,
CCF
高级 会员
,
主要 研究
方向为计算机图形学
、
图像
/
视频处理
、
可视化
、
虚拟现实等
,
EGmail
:
ls
g
@t
j
u.edu.cn
(
通信作者
).
风格线条画生成技术综述
刘子奇
刘世光
(
天津大学智能与计算学部
天津
300350
)
摘
要
线条画 作 为一种 简 单而有 效 的视觉 传 达手段
,
通过突 出 主要的 细 节特征
,
使得人 们 可以快 速 地获得 主 要 信
息
;
同时
,
风格线条画作为一种艺术形式
,
让人们能够快速 欣赏和 理 解其艺 术 特征
.
文中对 线 条画的 生 成 方 法 进 行 了
综述与分析
.
线条画生成技术可以分为基于
2D
图像的 方法与 基 于
3D
模型的 方 法
.
其中
,
基于
2D
图 像 的 线 条 画 生
成技术包括样本学习方法
、
非样本学习的数据驱动方法与非数据驱动方法
;
基于
3D
模型的 线 条画生 成 技术包 括 图像
空间方法
、
对象空间方法以及两者的混合方法
.
通过介绍与分析各种方法并对比分析其优缺点
,
总结了线条画生 成 技
术现阶段存在的问题及其可能的解决方案
,
并在此基础上对线条画生成的未来发展趋势进行了展望
.
关键词
线条画
,
风格
,
2D
图像
,
3D
模型
,
样本学习
,
数据驱动
中图法分类号
TP391
文献标识码
A DOI 10.11896
/
j
.issn.1002G137X.2019.07.003
Summar
y
ofSt
y
lizedLineDrawin
g
Generation
LIUZiG
q
i LIUShiG
g
uan
g
(
Colle
g
eofIntelli
g
enceandCom
p
utin
g
,
Tian
j
inUniversit
y
,
Tian
j
in300350
,
China
)
Abstract Linedrawin
g
hasa
g
reatadvanta
g
einthetransmissionofvisualinformation.Asasim
p
leandeffectivemeans
ofvisualcommunication
,
itstressesmainfeaturesofthedetailssothat
p
eo
p
lecan
g
etthemaininformation
q
uickl
y
.At
thesametime
,
st
y
lizedlinedrawin
g
,
asanartform
,
enables
p
eo
p
letoa
pp
reciateandunderstandtheirartisticcharacteG
ristics
q
uickl
y
.Linedrawin
gg
enerationtechnolo
gy
canbedividedinto2Dima
g
eGbasedmethodsand3Dima
g
eGbased
methods.Linedrawin
gg
enerationtechnolo
gy
basedon2Dima
g
esincludesdee
p
learnin
g
methodandtraditionalmeG
thod
,
whichcontainsdatadrivemethodandnonGdataGdrivenmethod.Linedrawin
gg
enerationtechnolo
gy
basedon3D
modelcontainsima
g
es
p
acemethod
,
ob
j
ects
p
acemethodandtheirblendin
g
method.B
y
introducin
g
andanal
y
zin
g
vaG
riousmethodsandanal
y
zin
g
theadvanta
g
esanddisadvanta
g
esofdifferentmethodswithcom
p
arisonsamon
g
them
,
this
p
a
p
ersummarizedtheexistin
gp
roblemsoflinedrawin
gg
enerationtechnolo
gy
andtheir
p
ossiblesolutions.Andonthis
basis
,
thefuturedevelo
p
menttrendofline
p
aintin
g
was
p
ros
p
ected.
Ke
y
words Linedrawin
g
,
St
y
le
,
2Dima
g
e
,
3D model
,
Exam
p
leGbased
,
DataGdriven
1
引言
线条画是一种简单而有效的形状可视化与可视化传达 形
式
,
由能够表示物体形状特征的线条组成
,
可以简单的线条 描
绘图像的主要特征
.
图
1
给 出
2D
图 像 的 线 条 画 与
3D
模 型
的线条画的示例
,
从中可以看出
:
线条画采用简单的线条形 象
生动 地 描绘了 图 像内容 的 主要特 征
,
并且在 传 达主要 形 状特
征的同时具有一定的艺术效果
.
线条画由一组简洁的 线 条 组 成
,
在 突 出 主 要 特 征 的 同 时
忽略不重要的细节
,
使得观察者能够快速识别认知 图 像或
3D
模型的内容
;
同时
,
以 线 条 画 的 形 式 表 示
,
使 得 图 片 或
3D
模
型在保留主要特征的同时在存储空间以及时间性能上得到显
著的提升
.
(
a
)
2D
图像的线条画
(
b
)
3D
模型的线条画
图
1
线条画示例
[
1G2
]
Fi
g
.1 Exam
p
lesoflinedrawin
g
[
1G2
]
从艺术形式上讲
,
线条画对人们来说也是一种艺术作 品
,
线条画的风格属性使其区别于边缘图像
.
图
2
展示了不同 方
法生成的线条画效果
,
其 中
,
图
2
(
a
)
-
图
2
(
d
)
着 重 于 边 缘 的
提取
,
通过边 缘 线的提 取 以及连 续 性增强 等 线条优 化 的方法
使其更逼真
,
并未对 风 格 进 行 仿 真
;
图
2
(
e
)
-
图
2
(
h
)
专 注 于
线条 画 风格的 模 拟
,
使生成 的 线条画 不 仅局限 于 对边缘 的 描

绘
,
在传达物体形状特征的同时还表达了一定的艺术效果
.
(
a
)
原始图像
(
b
)
边缘检测图像
(
c
)
DOG
滤波图像
(
d
)
FDOG
滤波图像
(
e
)
素描图像
(
f
)
卡通风格图像
1
(
g
)
卡通风格图像
2
(
h
)
模仿人绘画图像
图
2
不同风格线条画示例
[
3
]
Fi
g
.2 Exam
p
lesofdifferentst
y
lesoflinedrawin
g
[
3
]
2
线条画生成技术概述
如图
3
所示
,
线条画生成技术从整体上可以分为 基 于
2D
图像的线条画生 成 与 基 于
3D
模 型 的 线 条 画 生 成
.
同 时
,
2D
图像 的 线条画 生 成包括 样 本学习 方 法与非 样 本学习 方 法
,
非
样本学习方法又分为基于数据驱动的方法与非数据驱动的方
法
.
样本学习方法与数据驱动的方法专注于线条画风格属 性
的模拟
,
通过使用大量数据能够更好地重现线条画的风格
;
非
数据驱动的方法对 边 缘 的 检 测 更 准 确 且 易 于 实 现
,
从
Cann
y
边缘检测到高斯差分滤波
(
DOG
),
生 成 的 线 条 画 经 历 了 从 单
纯的 边 缘到相 对 光滑且 连 续的线 条 的过程
;
基于流 的 滤波进
一步增强了线条的连续性
,
减少了断裂
、
背景线等非期望线条
的出现
;
其他方法提供了不同线条画生成的途径且各有优点
.
基于
3D
模型的线 条 画 生 成 分 为 图 像 空 间 方 法
、
对 象 空 间 方
法以及两者的混合方法
.
研究不同方法的优缺点及发展方 向
对线条画生成技术的发展具有重要意义
.
图
3
风格化线条画生成方法分类
Fi
g
.3 Classificationofst
y
lizedlinedrawin
gg
enerationmethods
3 2D
图像的线条画生成
3.1
样本学习方法
样本学习方法可以分为机器学习与深度学习方法
.
机器
学习 多 应用于 人 脸线条 画 的生成
,
通过对 样 本数据 的 学习获
得人脸特征的训练模型
,
并将其应用于测试图像
,
得到与样本
数据风格相似的人脸 线 条 画
.
而 在 深 度 学 习 方 法 中
,
线 条 画
的风格化生成通常作为图像风格迁移的一个特例
.
1
)
机器学习
:
机器学习方法在线条画生成中具有 广 泛 的
应用
.
陈洪等
[
4
]
通过训练
ActiveSha
p
eMode
(
ASM
)
来对人
脸特征点进行自动定位
,
并根据样本计算几何变换
,
再对给 定
图像使用训练的
ASM
提 取 并 定 位 人 脸 特 征 点
,
进 行 非 参 数
化采样与几何 变 换 后 得 到 期 望 的 线 条 画
.
Son
g
等
[
5
]
提 出 了
一种简单而有效的人脸草图合成方 法
,
其需要 对 包含照 片
G
素
描对 的 训练数 据 集进行 训 练
,
并且在 测 试照片 和 每个训 练 样
本之间执行
KGNN
照片块 搜 索 以 用 于 素 描 块 的 选 择
,
并 用 马
尔可夫随机场
(
MRF
)
来优化全局 素 描块选 择
,
将 人 脸 草 图 合
成作为图像去噪问题来解决
.
Wan
g
等
[
6
]
在 进 行 块 选 择 时 通
过组 合 位置约 束 与全局 约 束来进 行 最近邻 搜 索
,
在获得 候 选
图像块后
,
应用马尔可夫网络生成合成素描
,
然后利用相同 的
马尔 可 夫网络 对 原始草 图 和合成 草 图之间 的 差进行 建 模
,
以
补偿高频细 节
.
Lian
g
等
[
7
]
将 输 入 草 图 划 分 为 多 个 块
,
并 对
这些 局 部输入 提 取边缘 描 述符
,
然后基 于 分割的 局 部构建 全
局马 尔 科夫随 机 场框架
,
并基于 从 一组训 练 数据中 学 习的耦
合字典为每个局部草图合成一系列候选照片
.
最后
,
对
MRF
进行优化
,
得到每个输入草图块的最终估计的照片块
,
并以 此
合成真实的人脸照片
.
图
4
为
Son
g
等
[
5
]
提出的线条画生成框架
,
对于测试照片
中的每个块
,
在照片中进行
KGNN
搜索和线性估计
,
以获得匹
配的训练照片块和线性权重
(
x
1
,
x
2
,,
x
k
);
在素描中使 用 权
值将相应的训练素描块映射到输出块中
.
图
4
样本学习方法示例
[
4
]
Fi
g
.4 Exam
p
lesofexam
p
leGbasedmethods
[
4
]
2
)
深度学习
:
基于卷积神经 网 络
(
CNN
)
的 深 度 学 习 方 法
通过对大量的样本数据集进行学习来生成与数据集风格对应
的线条画
.
Wan
g
等
[
8
]
对于风格迁移提出一个多模态卷积神
经网络
,
它考虑了颜色通道和亮度通道的表现
,
并使用递增的
多重损失分层地执行程式化
.
这种方法不仅可以传递大规模
的
、
明显的风格线索
,
还可以传递微妙的
、
精致的风格线 索
,
也
就是说可以生成视觉上令人愉悦的结果
.
由于缺乏显式表 示
语义信息的图 像 来 将 图 像 内 容 与 样 式 分 离
,
Gat
y
s
等
[
9
]
使 用
从优 化 目标识 别 的卷积 神 经网络 导 出的图 像 表示
,
使得高 层
次的 图 像信息 被 显式化
;
并提出 了 一种艺 术 风格的 神 经网络
算法
,
它可以分离和 重 组 自 然 图 像 的 图 像 内 容 及 风 格
.
该 算
法能 够 产生高 质 量的新 图 像
,
并将任 意 照片的 内 容与众 多 知
名艺术品的外观结合起来
.
鉴于许多方法集中在艺术风格转
移方面
,
很少限制输出图 像 的 外 观
,
Kaur
等
[
10
]
在 不 改 变 原 始
图像 内 容的情 况 下
,
以真实 感 的方式 将 脸部纹 理 从样式 脸 部
图像转换 为 内 容 脸 部 图 像
.
他 们 的 框 架 在 应 用
MRFGCNN
41
计 算 机 科 学
2019
年
剩余8页未读,继续阅读
资源评论


syp_net
- 粉丝: 158
- 资源: 1177
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助


最新资源
- 英语四级考试综合训练与听力阅读翻译解析
- 三相异步电机转子磁场定向矢量控制技术及其与弱磁控制的协同优化策略,三相异步电机转子磁场定向矢量控制与弱磁控制策略探究,三相异步电机转子磁场定向矢量控制与弱磁控制 ,三相异步电机; 转子磁场定向矢量控制
- 【java毕业设计】SpringBoot+Vue自习室预约管理系统(高级版) 源码+sql脚本+论文 完整版
- 字节面试题,包括一面和二面,vue和react
- 技术博客基于MATLAB Simulink的移相变压器仿真模型,模拟实现可调移相角度的变压器副边36脉波不控整流,MATLAB Simulink仿真模型实现可设置移相角度的变压器副边36脉波不控整
- 利用Bigemap Pro缓冲区工具实现地图发光效果
- 2025 Data+AI:智能数据架构与应用最佳实践合集.pdf
- Vue生命周期详解:从初始化到销毁的关键环节与应用
- 2018 蓝桥杯C语言b组国赛真题
- 软件测试实验三1111111111111111
- 直接复制,然后粘贴到assert下面
- 基于Springboot敬老院管理系统源码+22张表+100%可以运行使用+三端19个菜单/业务功能+vue前后分离使用Maven、Spingboot等技术
- PEM电解槽仿真模型分析,基于Comsol仿真的质子交换膜电解槽多物理场耦合模型:传热、多孔介质流动与极化性能分析,质子交膜(PEM)电解槽comsol仿真模型,耦合电解槽,传热,多孔介质流动物理场
- 欧姆龙CP1H与三菱E700变频器通讯程序:实现三台变频器频率设定与读取,稳定可靠扩展功能强大,欧姆龙CP1H与三菱E700变频器通讯程序:实现三台变频器频率设定与读取,稳定可靠扩展应用,欧姆龙CP1
- COMSOL仿真研究:斜入射圆偏振高斯光与金纳米线在衬底上的相互作用-模型构建与应用,Comsol模拟研究斜入射圆偏振高斯光在金纳米线与衬底结构上的作用:应用其模型解析交互机制 ,comsol仿真斜
- 高等数学教育中几何画板课件制作的实例指导与微课教程
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈



安全验证
文档复制为VIP权益,开通VIP直接复制
