[发明专利]纹理图像重建方法、装置、计算机设备和存储介质有效

专利信息
申请号: 202310013253.1 申请日: 2023-01-05
公开(公告)号: CN115713585B 公开(公告)日: 2023-05-02
发明(设计)人: 徐东 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T15/00 分类号: G06T15/00;G06T5/00;G06V10/54;G06V10/75;G06N3/0464;G06N3/08;G06T3/40
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 毛丹
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 纹理 图像 重建 方法 装置 计算机 设备 存储 介质
【说明书】:

本申请涉及一种纹理图像重建方法、装置、计算机设备、存储介质和计算机程序产品。方法包括:分别对目标纹理图像和其对应的纹理图像集进行频率分解,得到目标纹理图像对应的第一目标纹理图像和第二目标纹理图像、纹理图像集对应的第一纹理图像集和第二纹理图像集;第一纹理图像集对应的频率小于第二纹理图像集对应的频率,第一目标纹理图像对应的频率小于第二目标纹理图像对应的频率;基于第一纹理图像集对第一目标纹理图像进行图像增强得到第一增强纹理图像;基于第二纹理图像集对第二目标纹理图像进行图像增强得到第二增强纹理图像;融合第一增强纹理图像和第二增强纹理图像得到目标纹理图像对应的重建纹理图像,从而提高纹理图像重建的质量。

技术领域

本申请涉及图像处理技术领域,特别是涉及一种纹理图像重建方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机技术的发展,人们的工作和生活都带来了非常大的变化。例如,原来的动画制作或游戏制作等通常都是基于平面对象进行的,而现在随着科技的发展,出现了越来越多支持三维对象的场景,相应的,对纹理图像的质量要求也越来越高。

传统技术中,需要收集大量的纹理图像样本来训练用于优化纹理图像的机器学习模型。然而,模型的训练效果和训练样本息息相关,纹理图像的个体差异性较大,难以训练得到表征优异的模型,难以训练得到通用的模型,存在纹理图像重建质量不佳的问题。

发明内容

基于此,有必要针对上述技术问题,提供一种能够提高纹理图像的重建质量的纹理图像重建方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

本申请提供了一种纹理图像重建方法。所述方法包括:

获取目标纹理图像和所述目标纹理图像对应的纹理图像集;所述纹理图像集中的纹理图像所呈现的纹理和所述目标纹理图像所呈现的纹理是相互匹配的,所述纹理图像集是基于不同分辨率的纹理图像得到的;

分别对所述纹理图像集和所述目标纹理图像进行频率分解,得到所述纹理图像集对应的第一纹理图像集和第二纹理图像集、所述目标纹理图像对应的第一目标纹理图像和第二目标纹理图像;所述第一纹理图像集对应的频率小于所述第二纹理图像集对应的频率,所述第一目标纹理图像对应的频率小于所述第二目标纹理图像对应的频率;

基于所述第一纹理图像集对所述第一目标纹理图像进行图像增强,得到所述第一目标纹理图像对应的第一增强纹理图像;

基于所述第二纹理图像集对所述第二目标纹理图像进行图像增强,得到所述第二目标纹理图像对应的第二增强纹理图像;

融合所述第一增强纹理图像和所述第二增强纹理图像,得到所述目标纹理图像对应的重建纹理图像。

本申请还提供了一种纹理图像重建装置。所述装置包括:

纹理图像获取模块,用于获取目标纹理图像和所述目标纹理图像对应的纹理图像集;所述纹理图像集中的纹理图像所呈现的纹理和所述目标纹理图像所呈现的纹理是相互匹配的,所述纹理图像集是基于不同分辨率的纹理图像得到的;

图像分解模块,用于分别对所述纹理图像集和所述目标纹理图像进行频率分解,得到所述纹理图像集对应的第一纹理图像集和第二纹理图像集、所述目标纹理图像对应的第一目标纹理图像和第二目标纹理图像;所述第一纹理图像集对应的频率小于所述第二纹理图像集对应的频率,所述第一目标纹理图像对应的频率小于所述第二目标纹理图像对应的频率;

第一图像增强模块,用于基于所述第一纹理图像集对所述第一目标纹理图像进行图像增强,得到所述第一目标纹理图像对应的第一增强纹理图像;

第二图像增强模块,用于基于所述第二纹理图像集对所述第二目标纹理图像进行图像增强,得到所述第二目标纹理图像对应的第二增强纹理图像;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310013253.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top