自适应于局部几何特征的三维模型水印算法

文章针对三维模型提出了一种稳健的三角网格数字水印算法,通过修改从模型中心到各顶点的向量长度来嵌入数字水印。该算法具有如下特点:以全局几何特征作为嵌入对象;将一比特的水印信息分布到整个模型之中;水印的嵌入强度自适应于模型的局部特征。实验结果表明该水印算法能抵抗网格简化攻击,噪声攻击,剪切攻击,以及它们的混合攻击,具有很高的稳健性。

基于形状指数的文物表面局部几何特征提取与匹配算法

对具有整体形状相似而细节差异明显的文物模型进行基于全局的形状检索,由于精度限制很难得到满意的检索结果。为此,提出一种提取局部几何特征的检索算法,计算模型顶点的主曲率值,通过主曲率求出点所在局部曲面的形状指数,根据形状指数使用区域生长和扩张搜索方法获得模型的局部几何特征,再将获得的局部特征结合先验知识创建模板库,比较模板和待检测模型局部几何特征的相似度。以兵马俑甲胄碎片作为实验数据,应用该算法对甲胄碎片进行识别和分类,结果表明该算法是有效和可行的。

局部几何特征急变类零件分区变参工艺制定方法

高端装备中许多关键零件存在局部几何急变特征,由于多采用难加工材料、特殊结构,加工难度大,或者虽能加工但效率极低,无法满足高端装备快速发展的需求。随着数控加工技术的发展,局部几何特征急变类零件的高效数控加工技术成为目前工业生产领域研究的热点与难点。鉴于局部几何急变特征的存在,局部几何特征急变类零件采用统一工艺参数进行整体加工的加工工艺对该类零件适用度降低,制约了此类零件加工效率的提升。针对局部几何特征急变类零件,研究复杂曲面CAD模型基于局部几何急变特征的快速分割方法及功能结构件基于机床动态特性的加工误差模型,由此提出了局部几何特征急变类零件分区变参工艺制定方法,最终根据加工区连续特征生成序列化加工程序,可在数控加工设备上实现局部几何特征急变类零件高质高效加工。研究成果为局部几何特征急变类零件加工工艺制定提供了一种新方法。

融合CLBP和局部几何特征的纹理目标分类

针对基于LBP的许多改进方法需要提前训练,对旋转和照明变化鲁棒性较差的特点,本文通过融合CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征,然后对其进行量化和编码。其次,再将编码结果与CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征,且具有不明显增加特征维度,无需提前训练,对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证,结果表明,本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。

基于局部统计几何特征的人脸性别分类方法

为解决自动人脸性别分类问题,提出一种基于局部统计几何特征的性别分类方法。融合人脸图像特征点定位信息与人脸三维数据的几何信息,建立具有统计意义的局部统计几何特征,可以被认为是基于多模态人脸信息的方法。该方法具有标准的表达形式,方便学习算法建立分类器;融合几何信息,对图像中的噪声、光照和人脸上的化妆等具有一定的鲁棒性;考虑三维网格数据中面片数量不同带来的影响,对网格化精度具有一定鲁棒性。为验证其有效性,基于三维人脸公开数据库(FRGC2.0和BosphorusDB)进行相关分类实验,实验结果表明,该方法能够得到比较精确的分类结果。

融合局部特征与深度学习的三维掌纹识别

为了探索三维掌纹在生物特征识别领域的应用,基于局部纹理特征和深度学习,提出一种有效的三维掌纹识别方法.通过曲率特征、形状指数、表面类型分别来描述三维掌纹的局部几何特征,将其作为深度神经网络的输入,完成三维掌纹识别任务.在香港理工大学的三维掌纹数据库上对不同的几何特征、不同的深度神经网络模型进行全面分析与比较.三维掌纹识别实验结果表明,与其他三维掌纹识别方法相比较,所提方法的识别率更高,识别时间更短,在实时掌纹识别领域具有较大的应用潜力.

多特征提取与匹配矩阵驱动的点云配准

针对三维点云配准时容易受到噪声、奇异值等不利因素影响的问题,提出一种多特征提取与匹配矩阵驱动的点云配准方法。利用多特征提取模块提取稳健的关键点和关键点的局部几何特征;分别计算出关键点的特征匹配矩阵和空间匹配矩阵,并对二者进行融合,提高正确匹配点对的概率;在前两方法的驱动下,利用加权奇异值分解计算点云间的刚体变换矩阵,降低噪声和奇异值等因素对配准的影响。实验结果表明,所提方法与现有的点云配准方法相比,具有更高的配准精度和较强的鲁棒性。

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。

一种城区车载激光点云行道树提取方法

本文提出了一种从城区车载激光雷达点云数据中提取行道树的方法。该方法先为每个扫描点计算局部几何特征，将扫描点粗标记为线状点、面状点、球状点；然后根据扫描点的标记进行欧氏聚类分割；最后通过计算每个分割块的空间特征实现行道树的精确提取。试验结果表明，该方法不仅能够提取较为完整的树木，而且对因遮挡导致的扫描数据不完整的树木亦能正确提取，具有较高的提取正确率和较好的完整性。

基于卦限卷积神经网络的3D点云分析

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多层卷积操作将8卦限中的几何特征抽象成语义特征,并将低层几何特征与高层语义特征进行有效融合,从而实现了利用卷积操作高效提取三维邻域内的局部结构信息;下采样模块对原始点集进行分组及特征聚合,从而提高特征的感受野范围,并且降低网络的计算复杂度.Octant-CNN通过对卦限卷积模块和下采样模块的分层组合,实现了对三维点云进行由底层到抽象、从局部到全局的特征表示.实验结果表明,Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.