基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。     

浅谈手绘草图对产品设计师的重要性

对产品设计师来说,手绘草图具有不可替代的作用,它是设计师表达方案构思的一种直观而生动的方式,也是方案从构思迈向现实的一个重要过程。手绘草图已成为设计师必备的专业技能,它不仅能准确的表达设计构思,还能反应设计师的艺术修养、创造个性和创造能力。     

融合熵和势能的手绘草图特征描述方法

为更加深刻地刻画手绘草图中的形状主题,并使特征描述方法具有一定的平移、缩放和旋转不变性,提出了一种基于熵和势能的手绘草图特征描述方法.该方法首先提取手绘草图的关键点,并对每个关键点的周围区域进行分块,计算其信息熵;然后根据关键点像素在手绘草图对象中的位置,计算其像素势能,从而获得融合了熵和势能的关键点特征描述向量;最后将训练集中所有图像的全部关键点特征描述向量聚类形成视觉码书,每一幅手绘草图均表示成基于码书的特征描述向量.实验结果表明,文中方法能较好地描述手绘草图的形状特征.     

基于手绘草图的中保真原型自动生成

从手绘草图生成数字化的中保真原型是界面设计的必要步骤,它需要花费设计师大量的时间和精力.针对这一问题,本文提出了基于目标检测和启发式规则的中保真原型自动生成方法,并基于该方法实现了一个自动化工具.首先,本文提出基于置换注意力机制(SA)的目标检测模型SA-FRCNN对手绘草图中的组件进行检测;然后,提出启发式规则对检测结果进行布局优化.实验表明,本文方法能够提升对手绘草图的检测精度,较基线模型提高了2.3%;此外,本文工具可以有效提高原型设计效率.     

基于贝叶斯网络和卷积神经网络的手绘草图识别方法

为实现笔画的分组和识别,现有的草图识别算法通常会采用限制用户的绘图习惯来达到目的.该文提出了利用贝叶斯网络和卷积神经网络(CNN)的草图识别方法解决此问题.首先,使用高斯低通滤波器处理输入草图,得到更平滑的图像.然后将连续输入的笔划分为两部分,分别使用贝叶斯网络和卷积神经网络对分割后的笔画进行识别,当笔画的可靠性大于阈值时,以贝叶斯网络的识别结果为准,反之采用CNN的识别结果.实验结果表明,该文算法在电路符号绘制过程中的识别率和绘制完成后的识别率均取得了较好的结果.该文算法具有良好的应用前景.     

单幅图像三维目标定位及重建

首先对图像进行拉普拉斯滤波处理,进而利用Canny算子对图像进行边缘检测,通过Hough变换检测目标图像,采用CAD辅助提取边界直线,基于灭点理论标定数码相机,之后采用透视投影模型中基于图像相对深度方法对图像三维信息进行恢复。最后计算出了目标物体的特征点三维坐标,实现目标定位。通过CAD实现模型的重建与显示。     

基于背景-前景分离模型的图表手绘信息识别

在各类文档、资料、报表中,许多数据使用图表进行表示,对图表进行自动识别和信息提取成为图形 识别和文档图像处理中一个重要的研究分支.本文提出了一种基于背景-前景分离的方法,针对司机日志图表中 的手绘折线信息,实现准确的信息提取与高精度识别.这种方法使用启发式规则分析和连通体分析将印刷体图 表的背景信息与手绘折线的前景信息相互分离,利用印刷体背景提供的刻度信息对手绘折线进行精确识别.同 时提供了良好的容错机制,降低手绘随意性造成的识别误差,并精确定位各种手绘错误造成的识别冲突,保证了 识别结果的有效性.通过4组805页测试样本集测试,本文方法的识别精度达到了90％以上.     

手绘系统中三维标准几何图形的绘制

通过对现有三维图形识别算法的比较分析,在全手绘三维图形识别方法的基础上提出了三维图形识别中的半手绘识别算法,并在此基础上提出了三维图形的修改算法和三维图形识别的具体操作模式.此算法通过计算机编程得以实现,并通过了系统验证.验证结果表明,半手绘识别算法可以避免三维识别中应用全手绘识别方式所产生的弊端,并且在绘制三维图形时的中间过程是相对独立的,方便使用者保存和修改.     

基于三维分叉模型的血管轴重建方法

针对血管轴重建中血管段难以配准的问题，提出了一种基于先验分叉模型的血管轴重建方法。该方法利用血管走向和分叉结构的先验信息，对血管片段进行基于先验分叉模型的配准，从而更有效地将血管分支的三维结构信息提取出来。实验结果表明，该方法降低了血管片断重建的复杂度，提高了重建速度和重建精度。     

基于单幅正面照和统计模型的三维人脸重建方法研究

为提升单张图片三维重建的效率、提高重建的精准度,提出了一种基于单张图片和统计模型的三维人脸重建技术。首先基于智能行为理解组（intelligent behaviour understanding group,IBUG）,采用监督下降算法（SDM）进行训练来建立二维人脸特征点参数模型;再应用该参数模型对给定图片进行特征点提取;然后基于北京工业大学3D数据库（BJUT-3D）进行三维人脸统计模型的构建;最后,以三维人脸统计模型为基础,使用学习因子自适应梯度下降法对能量函数进行迭代优化,得到统计模型参数化向量,使用该向量来调整统计模型,实现与给定图片相匹配的三维人脸模型构建。实验证明,与现有的方法相比,本文方法重建出的三维人脸模型具有更高的精确度和自适应度。     

基于Boosting-Monodepth的管道病害深度估计与三维重建

城市地下管道是城市的血脉经络,但随着排水管道的大量投入运营和使用年限增加,引发了一系列的管道病害安全隐患,如管道整体结构变形、内表面破裂和管中异物插入等问题,传统的病害图像视频采集、检测和后期病害分类甄选都是从二维视角出发,欠缺对三维空间信息（深度）的考虑。针对上述3种病害从生成深度图、由二维深度图重建三维管道病害这两方面进行研究,提出了一种基于boosting-monodepth的双重深度估计方法以提升深度图效果,最终生成画面连续一致、轮廓清晰的深度图。性能评估方面采用Abs-Rel、RMSE、SqRel、ORD和D3R等通用指标,与传统算法对比,结果显示boosting-monodepth的RMSE值降低了30%,精确度指标δ<1.25时,模型深度信息预测精确度提高了18%,此后以得到的深度图为基础重建管道病害三维点云,并在CloudCompare软件上三维可视化,最后采用随机采样一致算法测算病害深度并和实测数据对比证明其有效性和准确性。     

基于CT图像的颌面部模型三维重建方法

基于CT图像,选择颌面部组织(包括脸颊软组织)为对象,建立符合生理要求的口腔修复、软组织变形仿真模型。利用Amira软件,通过轮廓提取、公共轮廓线建立、模型光顺等操作,结合重建组织的医学特征,对颌面部不同组织分别进行三维重建。所建立的三维模型可真实再现颌面各组织的解剖形态,体现相邻组织紧密结合特性。     

基于多幅未标定图像的三维度量重构

提出了一种基于多幅未标定图像,恢复场景三维几何的优化矩阵分解算法,该算法先通过迭代逼近得到射影重构,然后通过估计绝对二次曲面,将射影重构更新到度量重构。采用真实图像测试,获得好的实验结果,说明该方法简单易用。     

基于影灭点的单视图三维重构

提出了一种单视图三维重构方法,该方法需要用户提供图像点及其对应三维点之间的几何信息.由于结构场景有大量平面构成,存在大量的平行性和正交性约束,所以该方法主要应用于结构场景的三维重构.重构过程分为两部分:首先,基于三组互相垂直方向的影灭点,对方形象素摄像机进行定标;然后,基于用户提供的共面性和场景平面的影灭线,计算点的三维坐标.采用真实图像测试,说明该方法有效且简单易用.     

基于单幅影像的三维重建及精度分析

研究了基于单幅影像的快速三维重建,以某一小型建筑三维重建为例,分析了以体为基本单元和以平面为基本单元的两种影像建模方法.并对重建三维模型的精度进行了分析.试验表明,三维重建质量与效率较高、成本较低,在实际中可以满足工程测量要求.     

由粗到精的三维人脸稀疏重建方法

针对传统三维人脸重建算法精度不高的问题, 提出一种由粗到精的三维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显著点进行重建, 得到第1步重建结果, 并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型, 求取待重建人脸与参考模型的特征点的坐标投影距离, 从而求取参考模型的形变因子, 完成最终三维人脸的重建。由于两步稀疏重建的作用不同, 对重建过程中参数的选取也采用不同方式。实验结果表明, 该方法能有效提高人脸重建精度, 同时保持较快的重建速度。     

基于三维模型的改进正则化ERT成像算法

电阻层析成像（ERT）通过对被测场边界注入电流,测量被测场电压变化,重建物场内电导率．针对ERT成像分辨率低,提出一种基于三维模型的改进Tikhonov迭代电阻成像算法．针对Tikhonov正则化参数选择问题,提出基于同伦映射的方法,并利用非线性函数Sigmoid调节正则化参数,以获得的图像灰度值作为Tikhonov迭代法的初始值进行迭代,重建敏感场图像．仿真及实验结果表明,该方法有效地改进了ERT图像质量．     

基于正交图像的头部三维模型构建

为快速构建人体头部的三维模型,提出了一种使用头部正面和侧面两张正交图像进行重建的方法.首先,利用Candide-3模型生成标准头部模型;然后,利用改进的主动形状模型(ASM)自动获取正面图像中68个特征点和侧面图像中35个特征点,并将获取的特征点与标准头部模型中的顶点进行匹配,利用匹配特征点对标准模型进行全局变形和局部变形,从而获得个性化模型;最后,对侧面头像进行仿射变换,使之与正面图像配准,并通过柱面投影和加权融合获得人脸全景纹理图,将其映射到个性化模型上以获得逼真的头部模型.实验结果表明:与传统ASM算法相比,利用改进ASM算法获得的特征点定位准确度提高了13.1%;所提方法仅需约1.2 s便可重建出具有真实感的头部三维模型,并能提供较大范围的可视角度和较丰富的深度信息.     

文物三维重建技术综述

本文综述了文物三维重建中的关键技术-3D建模、纹理映射，并对文物三维重建技术领域的未来发展进行了总结和展望。     

光栅投影三维物体重建中的二值化方法研究

在光栅投影成像三维物体表面重建中,由于阴影和光照不均匀的影响,采用传统的时域二值分割方法,难以得到高质量的分割图象．为此,提出了两种图象分割算法：全曝光明图对比空域二值分割算法和分组最大方差空域二值分割算法．这两种分割算法主要是在空域上的每个位置同时考虑所有的二维光栅投影图,从而大大克服了阴影的影响以及光照不均的影响．实验证明,这两种方法提高了光栅投影图的二值分割质量,使得最终的重建结果更为精确,所提出的两种二值分割算法操作简单,易于实现．