符合视觉感知机理的自然纹理生成模式研究

Texture generation and represention based on procedural texture models is an important research field. Research output has been widely used in computer games, animation, ecology, geology, medicine and many other fields. One of the tricky part of such research is how to set the parameter values to generate different types of texture that can satisfy user requirement. This is because procedual texture models are purely mathematical models, which have no direct link to the human visual perception mechanism and model parameters are unable to be mapped to descriptive scales of human visual perception..This research project aims to reveal the connection between natural texture generation model and human visual perception.Based on extensive psychophysical experiments, we wish to establish mathematical models that can connect visual perception descriptors and procedural texture generation models, and further map these descriptors to corresponding model parameters. Our goal is to automatically decide a procedural texture generation model when users provide relavent perceptual scales that can describe desired output texture; meanwhile, corresponding parameter range of the model can also be given. .The research of this project is not only theoretically significant, but also practically useful in engineering application, e.g. the research can provide novel natural texture generation algorithms whose output texture images are consitant with descriptors defined by the human visual perception,and these algorithms can be widely used in many design software.

以过程纹理模型生成及表示纹理多年来一直是纹理研究领域的一个重要方向，相关研究已被广泛应用于计算机游戏、动画、生态、地质、医学等多个领域。然而，如何设置模型参数以产生用户需要的纹理类型是一直困扰研究人员的问题。产生此问题的原因是这些过程纹理模型是单纯的数学模型，并未与人类视觉的感知机理相关联，模型参数也无法与视觉感知描述量建立起映射联系。. 本项目研究自然纹理生成模型及模型参数与人类视觉感知描述量的联系，在大量心理物理学实验数据的基础上，建立视觉感知描述量到纹理生成模型、进而到模型参数的数学映射关系模型。研究目标是当用户以视觉感知量值描述需要产生的纹理类型时，利用映射关系模型自动找到相应的纹理生成模型，同时给出产生该类纹理所需要的模型参数取值范围。本项目的研究具有深刻的理论探索意义，同时也有较强的应用价值，研究成果可以为多种设计软件提供符合人类视觉感知描述的自然纹理生成算法。

纹理是自然场景中用来描述物体特征的一个重要属性，为人类视觉感知提供了重要的鉴别信息。现实生活中的各种表面，例如纺织布料，墙纸等等，在不同方向的光照条件及不同的观测角度下会呈现出不同的视觉感知属性。基于视觉感知和纹理生成模式的研究在图像处理，计算机视觉，虚拟现实等领域都有广泛的应用前景。本项目研究了自然三维表面纹理的产生模型以及各种纹理图像与人类视觉感知因素的联系，主要包含以下几个方面研究成果：.①构建了包含450幅纹理样本的过程纹理数据库，通过自由分组实验和感知评分两个心理物理学实验获得了纹理的感知相似性矩阵和12维的感知属性特征，并根据分组语义描述，构建了43维的语义库。.②分析了过程纹理生成方法的主要特征，构建了三维纹理感知空间，建立了感知特征到生成方法的模型，并通过机器学习的方法对纹理图像的感知特征和语义特征进行了较为准确的预测。.③在纹理的感知相似性方面，使用随机森林对纹理相似性进行了预测，较好的拟合了心理物理学实验获得的感知相似性数据，并搭建了基于感知相似性的手绘纹理图像检索框架，检索结果得到了很大程度的认可。.④模拟渲染过程纹理，使用渲染的过程纹理恢复高度，建立渲染图与高度图之间的关系，使用深度学习方法对单幅图像的表面进行高度图估计，取得了显著效果。.⑤使用两种不同的方法进行纹理生成，分别是通过模型和参数生成纹理以及通过感知驱动的模型生成纹理。在第一种方法中，建立了视觉感知量与模型参数的映射关系的数学模型，通过对输入纹理的进行分析，寻找对应的模型和参数，生成所需纹理；在感知驱动的纹理生成中，使用对抗式神经网络和感知回归模型，生成具有对应感知属性的纹理。.本项目具有十分重要的科学意义，通过本项目的研究，可以从深层次揭示过程纹理与人类视觉感知机理之间的联系，对于纹理特征提取、模式识别、纹理生成、图像检索等研究均有重要的推动作用。同时，我们在人类认知领域进一步研究了人是如何感知世界认识世界，一定程度上推动了人工智能的发展。