保持细节特征的输电铁塔三维网格模型轻量化算法

针对输电铁塔三维网格模型简化后出现模型细节特征大量缺失的问题,以QEM算法为基础,提出了一种保持细节特征的输电铁塔三维网格模型轻量化算法。该算法首先确定了输电铁塔三维网格模型中的细节特征定义,然后提出了输电铁塔细节特征提取策略,并且引入细节特征显著因子和顶点近似曲率因子对QEM算法中的简化代价进行优化。实验结果表明,优化后的算法可以有效保留输电铁塔三维网格模型的重要几何特征和细节特征,避免了简化后模型出现大面积的特征缺失问题,并且相较于普通QEM算法,优化后的算法所简化的模型在最大误差、平均误差和均方差上分别至少下降了39.77%、10.64%和64.99%,实现了输电铁塔三维网格模型的高质量轻量化。

甲骨文典型细节特征研究

甲骨文为早期成体系的古代文字,字形仍然保留着较多的形象特征,书写大多不太固定,字形往往呈现出一些差异,如笔画多少不一、形体朝向不定、部件不固定、结构不定型等。但其中的关键细节相对比较一致,具体表现在笔画的曲直、笔画的长短、书写的方向、强化的特征、选取的对象以及部件的组合关系等方面。这些有意为之的细节,除了忠实记录着原始信息之外,也有不少出于区分字形和区别字义的考虑。典型细节中蕴含着的重要的构形信息,对字义的传达至为关键,对字形的演变产生了深远的影响。

视差估计下的VR全景图像局部细节特征提取

受环境背景、视觉偏差等因素的影响,VR全景图像细节特征提取难度较高.为了优化VR全景图像局部细节特征提取效果,提出视差估计下的VR全景图像局部细节特征提取方法 .在均衡VR全景图像灰度值的基础上,去除VR全景图像的噪声.构建人眼视觉模型,检索去噪后的VR全景图像,获取VR全景图像视差信息.通过匹配代价计算、代价聚合计算、视差计算与后处理计算估计视差数值,利用SIFI算法检测并提取VR全景图像局部细节特征.实验数据显示:应用提出方法获得的局部细节特征点检测结果与实际结果保持一致,视差估计误差最小值为0.3 Pixel,证实提出方法具备较好的局部细节特征提取性能.

保留细节特征的图像任意风格迁移

一些主流的图像任意风格迁移模型在保持内容图像的显著性信息和细节特征方面依然有局限性,生成的图像往往具有内容模糊、细节失真等问题.针对以上问题,本文提出一种可以有效保留内容图像细节特征的图像任意风格迁移模型.模型包括灵活地融合从编码器提取到的浅层至深层的多层级图像特征;提出一种新的特征融合模块,该模块可以高质量地融合内容特征和风格特征.此外,还提出一个新的损失函数,该损失函数可以很好地保持内容和风格全局结构,消除伪影.实验结果表明,本文提出的图像任意风格迁移模型可以很好地平衡风格和内容,保留内容图像完整的语义信息和细节特征,生成视觉效果更好的风格化图像.

基于多细节特征层的三维激光点云建筑物模型构建方法研究

近年来,许多学者针对不同类型的建筑物建模提出了诸多有益的解决方案,但是针对老旧住宅型居民楼建筑物的快速建模方法研究较少。为此,本文提出了一种基于多细节特征层的三维激光点云数据建筑物快速建模方法,首先,在获取建筑物点云原始数据后,经过点云去噪与归一化处理,计算尺度信息并提取特征参数;其次,在此基础上进行点云高程切片,将切片后的分块点云分别进行边缘拟合与边界确定,并通过层级间的连接关系,构建数字化模型表面;最后,拼接模型表面并进行优化,构建整个建筑物数字化模型,并以某老旧小区住宅楼为实际样例进行测试。结果表明,该方法能较好地完成建模任务,所构建模型的精细化程度达到了工程实际应用要求,在三维点云建筑物建模领域有较好的推广价值和借鉴意义。

指纹图像预处理与细节特征点提取

对指纹图像的预处理与细节特征点提取提出了一套较完善的方法。在二值化后的图像中用到了平滑滤波的处理,消除了在预处理过程中纹线中产生的毛刺与小孔等,并对若干幅不同质量的指纹图像进行了测试,获得了较好的效果,细节特征点提取的准确率也有所提高。

改进的指纹细节特征提取算法

指纹细节特征 (minutiae)提取是指纹自动识别的核心技术之一 .常规的指纹细节特征提取算法需要先采用纹线跟踪的方法对细化后的指纹图象进行纹线修复 ,然后再实现细节特征提取 .纹线修复不仅步骤繁琐 ,而且比较耗时 .针对这一问题 ,提出了一种改进的指纹细节特征提取算法 .该算法首先在细化后的指纹图象上直接提取原始细节特征点集 ;然后分析图象中存在的各类噪声及其特点 ,总结伪特征点的分布规律 ;最后 ,结合局部纹线方向信息 ,针对不同的噪声 ,采用针对性的算法 ,将各类噪声引起的伪特征点分别予以删除 ,最终保留下来的特征点集即视为真正的特征点集 .为验证该算法的性能 ,将改进算法与常规算法进行了对比实验 .实验结果表明 ,改进算法有效地减少了计算时间 。

自动指纹识别系统预处理技术及细节特征提取算法的研究

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.详细介绍了预处理过程中指纹图像与背景分离、方向信息提取、纹线提取、二值化、细化,以及细节特征提取等关键技术.在这些模块中,提出了一些改进算法和新的思想.根据人指纹本身是一个曲面结构的特点,采用一种自适应的局部阈值分离方法,解决处于不同深浅区域的指纹图像均能有效地同背景分离;提出了一种改进的、基于非彻底细化图像的细节特征提取算法,在不对纹线进行任何处理的情况下,直接从细化指纹图像上提取原始细节特征点集合,并针对各种噪声产生的伪特征点进行修复;另外,还介绍了一种基于灰度纹线跟踪直接提取指纹图像细节特征的新方法,并与传统算法进行了比较.这种方法不经过二值化、细化等过程,能显著减少预处理带来的累计误差,加快处理速度,在一定程度上提高了准确率.实验证明,以上算法行之有效,在实际应用和严格测验中取得了较好的效果.

面向模型简化的细节特征识别与抑制方法

CAD模型简化是CAX集成研究中的一个重要问题.文中提出一种简单高效的细节特征识别与抑制方法.该方法充分利用了特征参数和草图中所蕴含的细节特征信息,首先通过分析草图的有效区域及其参数、比较特征投影尺寸、识别草图中短元素等手段快速识别细节特征;其次通过建立特征依赖关系图及其更新规则,保证删除细节特征时CAD模型的拓扑完整性;最后给出了特征重构时的草图更新方法.实验结果表明,文中方法能快速识别并抑制模型中的细节特征,实现CAD模型的简化.

细节特征保持的三维面部表情迁移方法

在三维面部表情迁移中,针对保持目标模型丰富的细节信息以使生成的新表情真实自然,以及减少表情迁移的学习训练时间这2个热点问题,提出一种细节特征保持的三维面部表情迁移方法.首先提取三维面部模型的细节特征,获得滤掉细节后的基本表情;然后利用改进的有参无监督回归方法将源模型的基本表情传递给目标模型;最后利用提出的细节特征向量调整策略对具有源基本表情的目标模型进行细节恢复.在Windows 10系统的Matlab中,以重建精度和训练时间为评价指标,对COMA等三维面部数据集进行视觉对比和定量分析实验.结果表明,与非线性联合学习方法相比,该方法在将源模型的表情无损迁移到目标模型的同时,很好地保持了目标模型自身的个性细节特征,使生成的表情真实自然;有效地提高了面部表情迁移的训练速度.

一类保细节特征的双参数m重融合型细分

基于B样条的光滑性,利用Laurent多项式与细分生成多项式之间的关系,构造出可生成一类m重融合型细分格式的Laurent多项式.构造的Laurent多项式不仅包含了较多经典格式,还可衍生出C^3连续且保持细节特征的新格式;特别地,分析了双参数四点三重融合型格式的支集和连续性,并给出和证明了格式C^3连续的充分必要条件.最后通过大量数值实例展示了参数对极限曲线的影响;对比图例表明,文中格式生成的极限曲线能较好地保持细节特征.

一种基于方向场和细节特征匹配的指纹识别方法

文章介绍了指纹识别的处理步骤,提出了一种基于方向场的自动指纹识别算法,分别给出了图象的预处理,二值化,细化,纹路提取,细节特征提取以及指纹匹配的特征和算法步骤,并用实验进行了证明。

基于细节特征的高动态范围图像获取算法

为了解决真实场景的动态范围与数字图像的动态范围不匹配的问题,提出一种基于细节特征合成的高动态范围图像获取算法。该方法首先提取多幅不同曝光的低动态范围图像的细节特征,细节特征值越大表明所含细节信息越多,然后将归一化的特征值作为权重,合成多幅低动态范围图像,得到一幅高质量的合成图。实验表明,该算法能得到一幅含有较丰富细节特征、动态范围较广的图像,合成图像不需要色调映射就可以较好地在低动态范围显示器上直接显示。

一种指纹识别的细节特征匹配的方法

介绍了指纹识别的处理步骤 ,提出了一种基于细节特征匹配的自动指纹识别算法 ,分别给出了图像预处理、二值化、细化、纹路提取、确定指纹中心点以及指纹匹配的特征和算法步骤 。

捺印压力与油墨量对指纹微观细节特征反映性的影响

目的探究捺印压力与捺印油墨量的变化对指纹微观细节特征反映性的影响及变化规律,进一步寻求指纹微观细节特征应用于指纹鉴定的基本条件。方法用不同的压力和不同的油墨量在纸张上捺印指纹,并利用控制变量法对其进行排列组合,观察九种不同组合情形下的指纹微观细节特征的反映状况。结果捺印压力与捺印油墨量均会对指纹微观细节特征的反映性产生较大影响。结论指纹的边缘形态、宽窄、细点线受形成条件的影响变化较大,鉴定中一般作为辅助特征;汗孔的形态、大小、出现率虽然受形成条件的影响反映状况不同,但汗孔之间的相对位置及相互关系具有相对稳定性,鉴定中可以作为同一认定的依据之一。

尸体与活体指纹微观细节特征的差异分析

目的比较尸体与活体指纹的微观细节特征差异,以帮助判断指纹的状态属性。方法用VSC-5000文检仪在放大15~30倍的条件下,观察比较尸体与活体指纹的微观细节特征。结果尸体与活体指纹的乳突纹线的边缘形态、宽窄及汗孔印等微观细节特征存在差异。结论指纹的微观细节特征是尸体与活体指纹种属鉴别的重要依据之一。

基于线性细节特征的掌纹信息表达与识别

提出了一种基于掌纹线性细节特征进行身份鉴别的新方法,对掌纹图像进行二值化和骨骼化处理后,从中提取掌纹主线和皱褶的线性细节特征,包括直线段、曲线段和分叉等,通过定义特征向量来表达掌纹信息,在此基础上使用掌纹细节特征向量的匹配算法实现了身份鉴别.采用该方法在香港理工大学的掌纹数据库中进行一对一测试,准确率达到97.500/.

钢印印文特有细节特征初探

钢印印文在日常生活中被广泛地应用在毕业证书、公证书以及授权委托书等各种文件上,起到防伪作用,其检验是印章印文检验的重要组成部分。钢印印文具有立体、无色、不容易记录等特性,这也决定了其特征不同于普通的印章印文。目前,文检人员对钢印印文特征的研究和阐述较少,尤其是对钢印印文特有的细节特征研究的更少,而发现和利用这些特有的细节特征却往往是案件检验的关键。由于缺乏研究,文检人员在检验时只能借鉴普通印章印文的特征理论来进行,因此对钢印印文特有的细节特征进行实验研究变得十分重要。本文结合钢印实验,阐述了钢印印文的基本形成过程,把钢印印文特有细节特征分为痕壁特征、立体角度特征、印透特征、图案边缘翘起特征、金属氧化物附着物特征等,同时阐述了这些特有细节特征的基本特点及影响因素,提出了钢印印文检验时的注意事项。

常用指纹细节特征标注方法的比较研究

目的为了有效提高PU-AFIS的匹配效率,对常用的指纹细节特征标注方法进行比较研究,找出指纹细节特征的最佳标注方法。方法通过比较实验,探究GA 774.5—2008《指纹特征规范(第5部分):指纹细节特征点标注方法》中的标注方法、指纹工作者在长期实践过程中的习惯标注方法以及模拟指纹自动识别系统自动提取的标注方法对查询比对结果的影响。结果三种标注方法都能够有效匹配使对应捺印指纹出现在候选队列,但是根据模拟系统自动提取的标注方式标注细节特征的现场指纹与对应捺印指纹匹配效果最好、得分最高。结论模拟系统自动提取的标注方法为最佳标注方法,建议选择系统自动提取的标注方法为人工标注的标准。

结合脊和谷信息的指纹细节特征提取方法

提出一种新的指纹图像细节特征提取方法。我们将指纹的脊和谷看成是屋脊边缘，利用屋脊边缘的凹凸性分别得到脊和谷的骨架，然后基于指纹图像和知识，综合脊和谷两方面的信息得到指纹图像的细节特征。