刺绣中的形状分割算法

提出一种适用于刺绣CAD系统中Satin针法的形状分割算法.该算法可将任意形状的平面区域分割成若干个条状的子区域,并且使得每个子区域关于它们的形状线大致对称.以一个改进的直骨架为形状分析基础,通过分析修剪后的骨架上的分叉点找出所有可能的分割线,然后优化这些分割线来对区域进行分割.实验结果表明:该算法对边界噪声具有一定的抗干扰能力,能够满足Satin刺绣的要求.

基于形状分割的手写汉字笔划提取方法

笔迹鉴别的目的是区分不同的书写者,而笔划提取是笔迹鉴别的基础。本文提出了一种用于笔迹鉴别的手写汉字笔划提取算法,该算法定义了凹凸点与四种基本笔划相交类型的对应关系,通过字符图像轮廓上的凹凸点检测来确定笔划相交区域和相交类型;接着,在各个相交区域上,根据其笔划相交类型进行形状分割;最后,用对笔划轮廓两侧对应点进行跟踪的方法来进行细化。我们将该算法与基于细化和基于段化的笔划提取算法进行比较,实验结果表明,该提取算法具有比较高的准确率和有效性,因此本文提出的基于形状分割的手写汉字笔划提取方法具有较高的可操作性和实用价值。

一种基于二值图像的形状分割算法研究

提出一种基于二值图像的形状分割方法。该方法首先对图像边界进行处理,提取边界凹角点,然后对图像的形状骨架的分支进行分析,结合这两者的信息进行分割。通过修剪骨架分支的长度来消除噪声干扰,同时控制图像的分割子区域的大小及个数,有效提高了算法的效率和分割精度。与其他算法相比,本算法能根据后续处理需要将剪纸图像分割为若干子区域,为提高后续处理的效率和结果优化提供了可靠的基础,分割结果更适合后续的剪纸图像变形处理。

一种基于扩散几何的非刚体三维形状分割方法

三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.

基于多特征融合的三维形状分割方法

三维形状分割是三维形状分析中的一个重要问题.针对单一特征对同一类模型分割结果存在较大差异的问题,提出一种基于学习的多特征融合的三维形状分割方法.首先利用过分割方法将三维模型分割成多个子面片,分别对每个子面片提取多种几何特征;然后将几何特征作为低层特征输入深度神经网络模型,通过学习生成高层特征;最后基于该高层特征用高斯混合模型的方法得到聚类中心,利用图割得到最后分割结果.在普林斯顿标准数据集和COSEG数据集上的实验结果表明,与传统分割方法相比,该方法具有较好的一致性分割结果.

基于多级直方图形状分割的图像对比度增强技术

针对现有图像增强算法中存在过度增强和欠增强、边缘光晕效应、由于细节增强导致信噪比降低等问题,提出一种基于多级直方图形状分割的图像对比度增强技术。利用引导图像过滤器将图像背景和细节分离,避免边缘过度增强带来的光晕效应;利用多级直方图形状分割方法,将直方图中出现频率相近的强度值区域分割出来,实现图像背景的个体均衡化;采用自适应细节增强方法在增强细节的同时抑制均匀区域中噪声,保持图像的信噪比。实验结果表明,与其他算法相比,该增强方法的效果更优,能够有效避免图像增强中常见的不利问题,同时产生足够的整体增强效果。

基于Transformer的三角形网格分类分割网络

三角形网格是一种重要的几何数据结构,能有效地表达三维模型的形状细节,但三角形网格面元素的分布并不规则,因此将现有的深度神经网络直接应用到网格上较为困难。针对三角形网格不规则的结构问题,直接将网格的面作为Token,提出一种将Transformer应用于三角形网格的深度神经网络。首先,将面的重心坐标或谱域特征作为位置信息,融合其内蕴特征作为输入特征,并对输入特征位置嵌入;其次,利用自注意力模块提取全局特征,利用面卷积模块提取局部特征,以增强网络局部特征的提取能力;最后,融合局部特征和全局特征构建应用于三角形网格上的分类和分割深度神经网络。在SHREC分类数据集和COSEG分割数据集上的实验结果表明,该方法准确率较高且可以有效地提升训练速度。

基于F直方图的形状全方向顺序特征描述

为提高二维对象的形状描述识别精度,本文提出基于F直方图的形状全方向顺序特征描述方法。该方法在全方向上通过方向线对形状进行分割,计算各方向线上对象分割段之间的顺序特征描述量,构建形状的全方向顺序特征描述量,计算形状间的相似度。通过地物形状数据集、MPEG-7 CE-1 Part B形状数据集和瑞典叶子数据集对本方法进行了检索识别性能测试,并和其他形状相似性描述方法进行了对比。实验结果表明,本方法具有更高的检索准确率。形状全方向顺序特征描述方法将形状的边界和区域信息融合,可以准确描述形状的全局特征与局部特征,具有平移、旋转、尺度不变性,具有较强的形状描述识别能力。

应用全方向形状特征码的图像检索方法

为提高图像形状信息的检索准确率和效率,提出应用全方向形状特征码的图像检索方法.该方法在全方向上对形状进行分割,度量形状各方向各部分的复杂度,构建形状的全方向特征码,计算形状间的相似度.通过真实建筑形状数据集和MPEG-7 CE-1 Part B形状数据集对本方法进行了检索性能测试,并和其他形状相似性描述方法进行了对比.实验结果表明,本方法具有更高的检索准确率和较高的检索效率.全方向形状特征码图像检索方法可以准确描述形状的全局特征与局部特征,具有平移、旋转、尺度不变性,及较强的形状描述识别能力.

自适应椭球包围盒改进织物碰撞检测方法

为了快速处理织物与模型的碰撞以获得仿真结果,提出一种基于自适应椭球包围盒的碰撞检测方法.该方法以法向距离和径向距离的加权平均值作为表面误差,数值化表示椭球与模型之间的拟合度,将优化K均值聚类方法用于自适应划分模型生成一系列逼近模型的最小体积包围椭球;根据表面误差的大小对椭球分类处理,误差小的椭球直接取代模型区域与织物碰撞,将三角网格之间的碰撞问题转化为质点相对于椭球的穿透测试,误差大的椭球与织物的碰撞检测仅用于排除不可能发生碰撞的三角形,再继续进行三角形之间的精确碰撞检测.实验结果表明,文中方法能快速、自适应地划分任意模型生成高度拟合的椭球,可大幅度地减少碰撞检测计算量,在提高计算速度的同时保证了仿真的真实感.

基于图像处理的交通信号灯识别方法

针对色盲或色弱驾驶员特殊群体,结合交叉口无人驾驶系统,提出一种能识别出交通信号灯当前状态的方法。在HIS颜色空间进行交通灯颜色分割,利用交通灯被黑色矩形框包围这一典型特征进行形状分割,根据形状分割所得位置对颜色分割候选区域进行确认,从而精确定位交通灯位置以及亮灯在交通灯中的位置;同样根据被黑色矩形框包围的特征设计模板,最终利用模板匹配,完成交通灯的识别。实验表明,该算法识别准确率较高。

交通信号灯的检测与识别

交通信号灯的检测与识别系统是无人驾驶与辅助驾驶必不可少的一部分，同时还可以辅助色觉障碍人群与疲劳司机进行安全驾驶，因此本文提出一种能检测和识别交通信号灯状态的新方法。首先在HSVg彩空间对交通信号灯进行颜色分割，利用交通信号灯被黑色矩形框包围的特征进行形状分割，将颜色分割与形状分割相结合确认候选区域；使用颜色直方图统计候选区域的H分量，识别交通信号灯的颜色；使用模板匹配的方法，识别箭头型交通信号灯的方向。实验表明，该方法的检测与识别率达到97％以上。

“博物馆疲劳”及其对策

自1933年梅尔顿提出“博物馆疲劳”(Museum Fatigue)的概念以来,如何在开展博物馆教育、尤其是在布置陈列方面克服造成疲劳的因素,一直是博物馆实践活动的目标之一。“博物馆疲劳”的涵义所谓“博物馆疲劳”,主要指观众在参观过程中逐渐出现的精力耗竭,注意力涣散。