基于正面头像的人面三维造型

造型速度和表现近真度是影响人面三维造型的两个瓶颈问题．本文采用基于图像的建模与绘制技术，提出了由正面头像获取轮廓线、通过体元造型合成人面三维模型的方法．该方法的造型速度较传统几何造型方法有较大提高，并能保证较好的逼真度．

基于剖面的层状与非层状矿体的三维可视化研究

二维轮廓线重构三维表面是矿体几何建模的重要技术手段。对几种重构中可能出现的问题(轮廓对应问题和轮廓拼接),提出了适合地质体剖面建模使用的轮廓线重构算法。基于剖面的三维地质建模流程,建立地质体的线框面模型及其相应的地质块体模型。

聚类分析和活动轮廓模型相融合的图像分割算法

针对当前图像分割算法存在的分割误差大、分割时间长及无法进行在线图像分割的不足,提出一种基于聚类分析和活动轮廓模型相融合的图像分割算法.首先,对原始图像进行去噪处理,采用聚类分析算法对原始图像进行粗分割,将粗分割结果作为活动轮廓模型的初始轮廓线;其次,将活动轮廓模型根据初始轮廓线对图像不同区域轮廓进行拟合,实现图像的精细分割;最后与聚类分析算法、活动轮廓模型以及当前经典图像分割算法进行对比测试实验.实验结果表明,本文算法克服了当前图像分割算法存在的缺陷,提高了图像分割效率和精度,对噪声不敏感,并具有较强的鲁棒性,图像整体分割效果显著优于对比算法。

刀具磨损特征参数提取与状态识别方法

为提高刀具磨损状态识别准确率,文章提出了S变换时频图纹理特征参数提取方法和基于隐马尔科夫模型的磨损状态识别方法。以声发射信号为敏感信号,设计了刀具磨损实验方案;基于EEMD算法,提出了互相关系数与鞘度相结合的综合降噪方法;使用S变换处理声发射信号得到等高线灰度图,通过灰度共生矩阵提取等高线灰度图的纹理特征参数;将类内散布矩阵和类间散布矩阵结合,提出了基于散布矩阵的特征参数敏感度分析和降维方法;采用基于隐马尔科夫模型的磨损状态识别方法,分别将全维特征参数和降维特征参数用于磨损状态识别,实验结果表明,全维特征参数的识别准确率为88.34%,降维特征参数的识别准确率为100%。

基于轮廓线与薄板样条的三维自动化建模方法

为了提高既有模型的利用率,同时摆脱现有三维模型复用技术中对人工选取控制点的依赖,提出了一种基于轮廓线与薄板样条的三维自动化建模方法。该方法以单幅图像为驱动,首先检索到与图像相似的三维模型并进行投影;然后提取输入的图片和投影图的轮廓,利用轮廓长度比例对应关系把两个轮廓对应起来;其次进行坐标归一化,在模型上找到最终控制点;最后构造网格表面的能量方程,对模型进行薄板样条变形,实现图像上物体的三维重建。通过在SHREC12和普林斯顿的三维模型数据集上进行实验验证,结果表明,图像轮廓能很好地指导模型实现变形,变形算法时间复杂度更小,同时在重建过程中大幅减少了用户交互操作。

基于遥感专题解译的白洋淀湿地底部DEM构建

基于多时相Landsat遥感影像,利用适合白洋淀湿地信息提取的综合提取方法提取湿地范围。将湿地范围视为水体淹没区,淹没区的边界线视为对应地表水位高程的等高线,并根据遥感影像、高程控制点等对淀区内受人为影响的局部区域进行校正,插值生成白洋淀湿地底部的数字高程模型(DEM)。选用遥感影像和地面高程控制点对构建的数字高程模型进行验证,遥感影像验证精度在80%以上,地面控制点验证误差在±0.5 m以内的点达到80%。这种由一系列遥感影像提取等高线生成数字高程模型的方法可以弥补白洋淀湿地内数字高程信息不足的缺陷,对于提高白洋淀湿地的水均衡计算和构建湖泊与地下水耦合模型的精度有着重要意义。

基于超声成像技术的发音生理舌体研究方法综述

对发音时的舌体进行超声成像是分析舌体运动的一种有效方法,而对舌体超声成像序列的处理分析可以为语言学、语音学、语音处理和舌体建模等应用领域提供有价值的信息。基于国内外现有研究成果,归纳了舌体超声成像中舌体轮廓线的跟踪与提取技术,分析了不同舌体轮廓线的量化比较方法,指出了生理发音舌体模型的构建方法。旨在通过舌体超声技术的梳理,能够在发音生理研究和语言研究方面为有关研究人员提供参考,在将来的研究中,能够改进相关技术,并将计算机领域中的新算法、新模型应用于发音生理舌体研究中,进一步提高描述语音现象的科学性和准确性。

无人机倾斜影像数据自动生成等高线方法

在地形图生产过程中,等高线的采集编译需要占用大量时间,且对作业人员经验要求较高。为此,利用Context Capture软件生成倾斜影像点云,利用Terrasolid软件功能模块提取地面点及关键地面点以获取最终地面点,最终生成矢量等高线。等高线成果经过编译修改后,进而为地形图生产提供可靠的等高线数据,提高等高线生产效率和地形图生产效率。

采用Line-CNN深度学习网络的机载点云建筑轮廓线提取

城市三维模型是数字孪生、智慧城市建设的重要载体,实现建筑轮廓线的有效提取是城市高精度建模和三维测图的关键步骤。针对现有建筑物轮廓线提取效率与准确度较低的问题,本文提出了一种基于彩色机载点云的建筑轮廓线深度学习提取方法。首先,通过垂直投影,由经过渐进形态学滤波后的建筑物彩色机载点云,分别生成描述建筑物空间信息的高程栅格图像与反映其纹理差异的可见光栅格图像;然后,利用Line-CNN深度学习网络,经过特征提取、结点预测、路线生成等过程,从栅格图像中初步提取出线段特征;最后,为有效提取轮廓线特征,提出了一套综合修剪与补全操作的优化策略,并结合高程和可见光栅格图像中的优化线段信息,获得规则且完整的建筑物轮廓线特征。经过对南京信息工程大学的机载点云数据以及ISPRS H3D 2019数据集的实验证明,该方法对机载点云建筑物轮廓线提取有效,避免了因三维点云深度学习中标定样本不足而无法直接提取的问题;能准确、完整地提取出场景中建筑物的轮廓线特征,平均准确度与完整度均高达90%,且算法较为高效,有利于大范围城市三维建模与地籍测量等相关应用。

基于改进主动轮廓模型的全景海天线检测

提出了一种基于改进主动轮廓模型的海天线检测算法,检测全景海域图像中的椭圆海天线。通过全分辨率算法获取图像的视觉显著图,提取全景设备区在全景图像中的位置,以消除全景设备区干扰对海天线检测的不良影响。根据全景海天线为椭圆形这一特征,将构造的形状能量约束项加入主动轮廓模型中作为新的能量函数,使活动轮廓线的形状在收敛过程中受到限制,从而成功收敛到全景海天线上。实验结果表明,该算法对不同拍摄条件下的全景图像均适用,检测准确率达到96%,普适性和稳健性良好。