一种求曲线极小特征点集的算法

在分析已有求数字曲线特征点集算法的基础上，提出了一种求数字曲线极小特征点集的递归算法。结果表明，该算法具有提取特征点集冗余小、准确度高、速度快、节省存储空间，并且搜索出的点更加适合表达曲线形状等特点。     

基于有序点集距离的形状匹配算法

针对基于豪斯多夫距离的匹配算法存在时间复杂度高、较难处理部分匹配和无法精确对位等问题,提出了一种改进的基于有序点集距离的形状匹配算法.该算法利用轮廓点集的有序性,动态计算点集之间的匹配关系.算法首先计算曲线的轮廓点曲率,并根据匹配代价作出匹配矩阵,然后基于匹配矩阵的连通情况来判断2幅图像是否匹配,最后依据最短连通路径附近的像素点分布来确定最终的匹配点.实验证明,本算法能加快匹配速度,较好地处理部分曲线匹配,并能确定匹配轮廓点到点的一一对应关系.     

基于CNN的中文字体图像超分辨率重构算法

提出一种针对中文字体生成图像的超分辨率字体重构方法,以提高字体图像矢量化的准确度.结合字体行业领域知识和图像处理技术将网络生成的9169个字体图像进行超分辨率重构,该方法联合优化了所有网络层,使用双三次插值将单个低分辨率字体图像放大到所需的大小,通过卷积神经网络(CNN)拟合非线性映射输出较高分辨率的字体图像.实验结果表明:提出的方法生成的字体分辨率更高,能更好辅助字体设计师进行字体设计.     

平面上有噪音散乱点集的参数化

散乱点集曲线重建关键步骤是参数化.提出了一种对平面上有噪音散乱点集参数化的新算法.算法中,首先求出点集的Delaunay三角化的最小生成树,继而对最小生成树的最长路径进行参数化.通过把其他点投影到最长路径上,对最长路径以外的点进行参数化.还给出了提高参数化的准确度的方法.以圆盘控制顶点B样条拟合为例展示了该算法的应用.     

颗粒磨圆度计算中棱角关键点的优化选取

磨圆度是在介观层面上描述颗粒轮廓形状的重要参数,它定量描述了颗粒棱角对颗粒轮廓的影响。现有的磨圆度计算方法,不能准确识别颗粒轮廓中的棱角,而且计算量较大。因此,为了提高准确性,减少计算量,本文提出一种优化选取方法用于选取颗粒轮廓角的关键点。首先,将颗粒轮廓变换为极坐标展开曲线,再利用极小值点对曲线进行分段,并使用傅里叶拟合算法对分段后的曲线拟合。其次,选取拟合后轮廓中的凸部位,并依据凸部位的突出程度,挑选出包含棱角圆的凸部位。最后筛选凸部位中用于拟合棱角圆的关键点,并计算出棱角圆的半径用于计算磨圆度。本文使用K-S标准粒子板和其他学者的研究结果对算法进行了验证,实验结果表明,优化选取方法计算出的棱角圆数量的准确率和磨圆度分类的准确率均达到了100%。本文还进一步分析了使用平均滤波算法对颗粒轮廓进行平滑时,不同的滤波参数对轮廓分段的影响,并给出了较优的参数选取范围。     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.      

基于曲线拟合及计算机辅助技术的图形数字化方法

由于现有的图形扫描数字（矢量）化理论及方法的不足,工程曲线图的数字化处理难于应用自动矢量化方法,即使采用半自动矢量化方法也呈现出处理的低效能特点．据此提出了便于工程应用的,基于样条曲线拟合及计算机辅助技术的数字矢量化方法．即通过扫描将曲线图形载入计算机并用鼠标直接在图像上进行曲线拟合的节点择取,通过实时观察动态显示的鼠标移动点到邻近于它的前2次所取节点之间的拟合样条曲线与原图形曲线的吻合程度来保证拟合曲线节点的正确择取．它不仅快速、准确和操作方便而且同时给出了用数学公式描述的数字化结果,这给工程的广泛应用带来方便．     

一种针对3维人体冗余扫描模型的压缩方法

该文提出针对3维人体冗余扫描模型的压缩算法,首先应用2维轮廓关键点提取算法,采用区域覆盖和平滑处理方法分组提取在横截面上的轮廓关键点,再应用3维人体三角面片重构算法对压缩的顶点集重构3维人体模型.实验结果表明:该算法的压缩率约为10％,对处理冗余扫描和叠加扫描导致的冗余效果显著.     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

基于小波双立方配比插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。提出了一种基于小波双立方配比插值(wavelet bi-cubic)的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这3种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数(PSNR、SSIM、FSIM及运算时间TOC等)说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。