一种基于核相似度嵌入的动态纹理生成方法及装置制造方法及图纸

本发明专利技术公开了一种基于核相似度嵌入的动态纹理生成方法：对输入纹理视频进行预处理生成训练样本，以用于生产模型进行训练；以极限学习机作为基础模型进行动态纹理生成建模，并利用所述训练样本训练核相似度矩阵；利用训练的核相似度矩阵对测试帧进行处理，迭代地生成新纹理帧，从而实现动态纹理的预测和生成。本发明专利技术在动态纹理生成中有如下几点优势：具有较低的时间复杂度和计算资源消耗；可以有效地生成真实的、任意长度的动态纹理序列；具有很好的泛化能力，即可以在一个动态纹理视频中训练并迁移到另外一个视频中进行生成；可以同时进行灰度动态纹理与彩色动态纹理的处理与生成。本发明专利技术还公开了相应的基于核相似度嵌入的动态纹理生成装置。

【技术实现步骤摘要】
一种基于核相似度嵌入的动态纹理生成方法及装置
本专利技术属于视频生成
，更具体地，涉及一种基于核相似度嵌入的动态纹理生成方法及装置。
技术介绍
动态纹理是现实生活中常见的一种特殊视频，其在空间维度上具有统计稳态性，在时间维度上具有随机周期性，如风车、火焰、溪流、海浪、烟雾、车流。相较于其他的视频生成任务，动态纹理生成可以设计一个统一的线性或非线性函数对动态纹理进行表示，从而可以迭代的生成新的动态纹理。动态纹理生成的主要难点在于同类动态纹理的数据量小且帧数短。这一因素使得当前方法存在以下问题：基于非深度学习的方法(如线性动态系统)需要进行适当地降维才能对动态纹理进行较为有效的建模；基于深度学习的方法不能准确地对动态纹理进行表征。为此，现有动态纹理生成方法不能有效地生成丰富的真实纹理视频的同时具有较好的迁移泛化能力。例如，论文(KernelLearningforDynamicTextureSynthesis，IEEETransactionsonImageProcessing(TIP)，2016)和中国专利技术专利(一种动态纹理生成方法本文档来自技高网...

【技术保护点】
1.一种基于核相似度嵌入的动态纹理生成方法，其特征在于，所述方法包括：/nS1、对输入纹理视频进行预处理生成训练样本，以用于生产模型进行训练；/nS2、以极限学习机作为基础模型进行动态纹理生成建模，并利用所述训练样本训练核相似度矩阵；/nS3、利用训练的核相似度矩阵对测试帧进行处理，迭代地生成新纹理帧，从而实现动态纹理的预测和生成。/n

【技术特征摘要】
1.一种基于核相似度嵌入的动态纹理生成方法，其特征在于，所述方法包括：
S1、对输入纹理视频进行预处理生成训练样本，以用于生产模型进行训练；
S2、以极限学习机作为基础模型进行动态纹理生成建模，并利用所述训练样本训练核相似度矩阵；
S3、利用训练的核相似度矩阵对测试帧进行处理，迭代地生成新纹理帧，从而实现动态纹理的预测和生成。


2.如权利要求1所述的基于核相似度嵌入的动态纹理生成方法，其特征在于，所述步骤S1包括：
将输入纹理视频S1：L减去其均值S′做归一化，其中L为纹理视频的帧长；
将减去均值后的纹理视频划分为两个子序列：解释帧{Si}，i＝1，…，L-1和应答帧{Sj}，j＝2，…，L；其中解释帧作为训练帧X，应答帧作为相应的训练帧的真实预测帧Y；
{(x，y)，x∈X，y∈Y}构成的二元组作为一个完整的训练样本。


3.如权利要求2所述的基于核相似度嵌入的动态纹理生成方法，其特征在于，所述步骤S2中以极限学习机作为基础模型进行动态纹理生成建模，包括：
核相似度矩阵ΩKSM被定义为：
ΩKSM＝HHT(1)
其中，每一个元素被定义为：



引入正则化系数λ来控制β正则化的表现，优化目标为：



(3)的训练过程等同于求解优化目标：



其中，β为隐藏层与输...

【专利技术属性】
技术研发人员：彭勤牧，尤新革，陈使明，
申请(专利权)人：深圳华中科技大学研究院，
类型：发明
国别省市：广东;44