基于表面邻接约束的交互式文物碎片重组

为了有效地解决文物虚拟复原中因断裂部位表面受损严重而造成的几何特征缺失,导致已有的模型重组方法失效的问题,提出一种基于文物模型表面纹饰几何特征的交互式破损文物重组方法.首先通过生成显示脊线得到碎片表面纹饰的几何结构和主动轮廓线;然后领域专家根据几何纹饰的连贯性确定待拼合碎片的邻接关系,并给出初始位置及碎片的表面邻接约束,采用区域生长方法确定表面邻接约束点的最终位置;再以表面邻接约束点为中心获取初始匹配点集,并采用线段约束筛选出待拼合碎片间的最优匹配点对集;最后采用基于穷举搜索的形状匹配方法计算刚体变换,实现碎片拼合.实验结果表明,该方法能够实现复杂碎片的准确拼合.     

基于形状骨架图匹配的文物碎片自动重组方法

为了有效解决文物碎片自动重组中由于断裂部位受损造成几何信息丢失,采用传统几何驱动方法容易失效的问题,本文提出一种基于形状骨架图匹配的文物碎片自动重组方法,将碎片匹配问题转化为碎片表面纹饰中非完整纹元的互补匹配问题.首先,通过提取文物碎片表面特征线得到碎片表面的纹饰信息;然后根据完整纹元的特征确定非完整纹元互补匹配的约束条件,采用视觉骨架剪枝的方法提取完全位于断裂部位的非完整纹元的形状骨架图,基于形状骨架图语法及匹配约束条件判定非完整纹元是否互补匹配;接着,将碎片上非完整纹元的顺序作为上层约束条件,采用基于带剪枝深度优先的搜索方法搜索匹配碎片;最后,以邻接碎片上非完整纹元间公共弦的端点作为邻接约束点,采用最小二乘法计算刚体变换参数得到碎片的初始位置,并采用迭代最近点方法将邻接碎片精确对齐.实验结果表明,该方法能够有效解决断裂部位存在缺损文物碎片的自动重组问题.     

基于Morse-Smale拓扑特征的文物碎片拼接算法

针对计算机辅助文物虚拟复原中由于破损文物断裂部位边缘受损而引起的轮廓线不能充分表示断裂面几何特征的问题,提出了一种基于断裂面拓扑特征的破碎文物自动拼接算法.首先,定义碎片模型顶点显著度指标函数,提取断裂面特征点,依据Morse-Smale复形理论构建并简化断裂面的几何拓扑图;然后,通过定义基准点与0值面,从而计算目标点的对应高度差值,将拓扑图中四边形曲面构造成为能完整表示断裂面几何特征的特征描述符,并根据凹凸互补性计算初始特征四边形匹配集的误差,筛选出最优匹配集;最后,采用四元组方法计算旋转、平移矩阵,利用穷举搜索法实现碎片的精确拼接.实验结果表明,该方法针对断裂部位边缘受损的破碎文物模型可获得较满意的拼接效果.     

结合表面纹理与断裂轮廓的碎片拼接方法

陶土制文物在自然环境及人为发掘等过程中,碎片易受损缺失,断裂部位难以保证完整性,传统采用几何驱动的拼接方法受到限制。为此,针对断裂部位几何信息缺失的陶制文物碎片,提出一种结合表面几何纹理及断裂轮廓的拼接方法。使用Splatting lines生成方法提取碎片纹理特征线,对三维模型密集点采样,用不同参数溅射渲染2个深度图像,由两图像间差值生成线图。计算纹理形状边角信息,构造破损纹理约束条件,完成初步匹配。对断裂边界轮廓上的离散点集,利用遗传算法计算匹配点对,得到最终结果。实验结果表明,该方法能够实现缺损文物碎片的拼接,匹配度稳定在0. 53以上,且对纹理特征显著及缺损严重的碎片拼接效果较优。     

基于关键点特征描述子的三维文物碎片重组

对多个文物碎片进行重组时,确定文物碎片之间的邻接关系时间复杂度非常高;文物断裂部位因受损而存在一定的几何特征缺失,仅依靠断裂区域的几何特征进行拼接或重组难免会出现错误.鉴于此,提出一种基于关键点特征描述子的三维文物碎片重组方法.首先利用已有的文物"模板",采用内在形状签名算法提取文物"模板"和文物碎片原始面上的关键点;然后计算关键点的快速点特征直方图特征描述子;再通过比较其相似性来确定文物碎片在"模板"上的对应位置,即确定各个碎片断裂面之间的邻接关系;最后采用顺序拼合的方式及迭代最近点算法对多个碎片进行重组.实验结果表明,该方法能够有效地提高文物碎片虚拟拼接的效率.     

一种基于灰度值矩阵的文档复原方法研究*

对于切碎英文文档自动拼接还原中无法利用碎纸片几何形状特征的问题, 提出一种基于灰度值矩阵的文档碎片拼接方法。利用碎片图像的特征向量消除同行字母处于不同高度的负影响, 提取其特征位置作为动态聚类的分类标准,依据文本行特征进行动态聚类和类间排序。设计了一种基于原图像碎片边界矩阵的四邻拼接算法进行逐一高效地拼接还原。仿真结果表明, 该方法准确率较高且操作简便, 对规则碎片拼接还原具有良好的实际意义。     

基于词包和特征融合的目标识别算法

针对现有词包模型对目标识别性能的不足,对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先,以密集提取关键点的方式取代SIFT关键点提取,减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换(Scale-invariant feature transform, SIFT)描述符和统一模式的局部二值模式(Local binary pattern,LBP)描述符描述关键点周围的形状特征和纹理特征,引入K-Means聚类算法分别生成视觉词典,然后将局部描述符进行近似局部约束线性编码,并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图,最后将金字塔直方图相串联,形成特征的图像级融合,并送入SVM进行分类识别。在公共数据库中进行实验,实验结果表明,本文所提方法能取得较高的目标识别准确率。     

基于点云几何与形状特征的曲面重构算法

提出一种新的利用点云进行曲面重构的算法,该算法基于点云的几何与形状特征,根据点云的几何分布进行分类和按照点的局部形状特征进行分类,对每类点进行局部网格重构,并进行后续处理以修补拓扑和几何错误。实验结果表明,该算法强健有效,能生成高质量的网格,并能较好地保持模型的几何与形状特征。     

局部图像描述符最新研究进展

目的 局部图像描述符广泛应用于许多图像理解和计算机视觉应用领域,如图像分类、目标识别、图像检索、机器人导航、纹理分类等。SIFT算法的提出标志着现代局部图像描述符研究的开始。主要对最近发展的现代局部图像描述符进行了综述。方法 首先,介绍了4大类局部图像描述符:局部特征空间分布描述符、局部特征空间关联描述符、基于机器学习的局部描述符、扩展局部描述符(局部颜色描述符、局部RGB-D描述符、局部空时描述符)。对局部图像描述符进行了分析和分类,并总结了局部图像描述符的不变性、计算复杂度、应用领域、评价方法和评价数据集。最后,展望了局部图像描述符的未来研究方向。结果 近年来局部图像描述符研究取得了很大进展,提出了很多优秀的描述符,在辨别性、鲁棒性和实时性方面有了很大提高,应用领域不断拓展。结论 局部图像描述符应用广泛,是计算机视觉领域的重要基础研究。而目前,局部图像描述符还存在许多问题,还需进一步的深入研究。     

基于隐式描述符的三维模型对应关系计算

三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时，低层次几何信息描述符所提取的特征将不足，从而使得对应关系计算结果准确率不高。为此，提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识，以对模型各部分之间的几何相似性进行编码，解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记，根据模型对应表面点之间的相似度隐式地计算数据驱动描述符，在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明，相较基于先验知识的计算方法，该方法能提高三维模型对应关系计算结果的准确率，且可有效降低测地误差。     

基于轮廓与断面匹配的秦俑碎片拼接方法

针对兵马俑第3次发掘大量破碎俑片的虚拟复原需求,分析秦俑碎片拼接的特殊性,归纳陶制碎片的分类原则,提出一种结合碎片边缘轮廓和断裂面匹配的混合拼接方法。依据俑体碎片断裂面厚度,将其映射到空间曲线模板或空间曲面模板。基于积分不变量计算俑体碎片特征向量,采用一致性约束方法获取碎片初始匹配点对。利用筛选算法去除伪初始匹配点对,应用几何哈希算法寻找碎片最优匹配点对。其中,空间轮廓曲线匹配基于多边形弧串匹配法,空间曲面匹配基于多尺度积分不变量法。对破碎兵俑和陶马的拼接结果表明,该方法能正确得到碎片间的匹配关系,具有较好的鲁棒性。     

Local commute-time guided MDS for 3D non-rigid object retrieval

In this paper, we propose a 3D non-rigid shape retrieval method based on canonical shape analysis. Our main idea is to transform the problem of non-rigid shape retrieval into a rigid shape retrieval problem via the well-known multidimensional scaling (MDS) approach and random walk on graphs. We first segment the non-rigid shape into local partitions based on its salient features. Then, we calculate a local MDS problem for each partition, where the local commute time distance is used as weighting function in order to preserve local shape details. Finally, we aggregate the set of local MDS problems as a global constrained problem. The constraint is formulated using the biharmonic function between local salient features. In contrast to MDS method, the proposed local MDS is computationally efficient, parameters free and gives isometry-invariant forms with minimum features distortion. Due to these advantageous properties, the proposed method achieved good retrieval accuracy on non-rigid shape benchmark datasets.     

基于多结点样条磨光函数的几何迭代法

几何迭代法在计算机辅助几何设计(CAGD)中有广泛地应用,为了提高传统的 B-样 条曲线插值在几何迭代中的收敛速度和迭代精度,提出了基于多结点样条磨光函数的几何迭代 法,引入多结点样条磨光函数,在曲线拟合时把多结点样条磨光方法和几何迭代方法结合,经过 磨光和迭代,在 L-BFGS 迭代算法的最优解下构造具有高逼近性的曲线拟合方法。实验结果表明, 在相同精度下,该方法不仅减少了迭代次数,且提高了迭代速度,可以用于飞机、汽车等外形设 计上,亦可用于文物、房屋等外形重构和重建,以及卫星图形图像的处理中。     

Classification of defects in steel strip surface based on multiclass support vector machine

In this paper, we use support vector machine to classify the defects in steel strip surface images. After image binarization, three types of image features, including geometric feature, grayscale feature and shape feature, are extracted by combining the defect target image and its corresponding binary image. For the classification model based on support vector machine, we utilize Gauss radial basis as the kernel function, determine model parameters by cross-validation and employ one-versus-one method for multiclass classifier. Experiment results show that support vector machine model outperforms the traditional classification model based on back-propagation neural network in average classification accuracy.     

基于四元极谐变换矩与显著特征的图像鲁棒哈希算法

为了增强哈希序列对各种几何变换攻击的鲁棒性,设计基于四元极谐变换矩与显著特征的图像鲁棒哈希算法。引入线性插值与自适应Wiener滤波器,实现初始图像的预处理;计算预处理图像的颜色向量角度,并基于Fourier变换,得到其对应的幅度信息,以获取两个不同的频谱;计算两个频谱的残差,确定图像中的局部显著性区域;通过LBP算子,提取显著特征;基于四元极谐变换(Quaternion Polar Harmonic Transform,QPHT),获取预处理图像的QPHT矩;联合显著特征与QPHT矩,形成过渡哈希数组。引入Logistic映射,定义加密函数,实现对过渡哈希数组的加密,输出最终的哈希序列,以增强其抗碰撞性能。测量源图像与可疑图像之间的哈希序列所对应的l₂范数距离,并将其与优化阈值比较,对图像的真实性做出判断。在多种几何变换攻击下完成测试,输出数据显示:较当前准确性较高的哈希方法而言,该算法具有更理想的鲁棒性与识别准确率。     

文物点云模型的优化配准算法*

目的 针对带有噪声的文物点云模型,采用一种由粗到细的方法来实现其断裂面的精确配准。方法 首先采用一种变尺度点云配准算法实现粗配准,即配准测度函数的尺度参数由大到小逐渐变化,可避免算法陷入局部极值,并获得较高精度的初始配准结果。然后采用基于高斯概率模型的改进迭代最近点(iterative closest point, ICP)算法进行细配准,可以有效地抑制噪声对配准结果的影响,实现断裂面的快速精确匹配。结果 采用兵马俑文物碎块的配准结果表明,该优化配准算法能够实现文物断裂面的精确配准,而且在细配准阶段取得了较高的配准精度和收敛速度。结论 因此说,该优化配准算法是一种快速、精确、抗噪性强的文物点云配准方法。     

多特征融合与几何卷积的机载LiDAR点云地物分类

目的 点云分类传统方法中大量依赖人工设计特征,缺乏深层次特征,难以进一步提高精度,基于深度学习的方法大部分利用结构化网络,转化为其他表征造成了3维空间结构信息的丢失,部分利用局部结构学习多层次特征的方法也因为忽略了机载数据的几何信息,难以实现精细分类。针对上述问题,本文提出了一种基于多特征融合几何卷积神经网络（multi-feature fusion and geometric convolutional neural network,MFFGCNN）的机载LiDAR （light detection and ranging）点云地物分类方法。方法 提取并融合有效的浅层传统特征,并结合坐标尺度等预处理方法,称为APD模块（airporne laser scanning point cloud design module）,在输入特征层面对典型地物有针对性地进行信息补充,来提高网络对大区域、低密度的机载LiDAR点云原始数据的适应能力和基础分类精度,基于多特征融合的几何卷积模块,称为FGC （multi-feature fusion and geometric convolution）算子,编码点的全局和局部空间几何结构,实现对大区域点云层次化几何结构的获取,最终与多尺度全局的逐点深度特征聚合提取高级语义特征,并基于空间上采样获得逐点的多尺度深度特征实现机载LiDAR点云的语义分割。结果 在ISPRS （International Society for Photogrammetry and Remote Sensing）提供的3维标记基准数据集上进行模型训练与测试,由于面向建筑物、地面和植被3类典型地物,对ISPRS的9类数据集进行了类别划分。本文算法在全局准确率上取得了81.42%的较高精度,消融实验结果证明FGC模块可以提高8%的全局准确率,能够有效地提取局部几何特性,相较仅基于点的3维空间坐标方法,本文方法可提高15%的整体分类精度。结论 提出的MFFCGNN网络综合了传统特征的优势和深度学习模型的优点,能够实现机载LiDAR点云的城市重要地物快速分类。     

跨模态交互融合与全局感知的RGB-D显著性目标检测

近年来, RGB-D显著性检测方法凭借深度图中丰富的几何结构和空间位置信息, 取得了比RGB显著性检测模型更好的性能, 受到学术界的高度关注. 然而, 现有的RGB-D检测模型仍面临着持续提升检测性能的需求. 最近兴起的Transformer擅长建模全局信息, 而卷积神经网络(CNN)擅长提取局部细节. 因此, 如何有效结合CNN和Transformer两者的优势, 挖掘全局和局部信息, 将有助于提升显著性目标检测的精度. 为此, 提出一种基于跨模态交互融合与全局感知的RGB-D显著性目标检测方法, 通过将Transformer网络嵌入U-Net中, 从而将全局注意力机制与局部卷积结合在一起, 能够更好地对特征进行提取. 首先借助U-Net编码-解码结构, 高效地提取多层次互补特征并逐级解码生成显著特征图. 然后, 使用Transformer模块学习高级特征间的全局依赖关系增强特征表示, 并针对输入采用渐进上采样融合策略以减少噪声信息的引入. 其次, 为了减轻低质量深度图带来的负面影响, 设计一个跨模态交互融合模块以实现跨模态特征融合. 最后, 5个基准数据集上的实验结果表明, 所提算法与其他最新的算法相比具有显著优势.     

基于自编码神经网络的航空物探遥感数据分类方法研究

航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类标准;通过辐射校正、几何纠正、噪声消除等步骤,完成航空物探遥感数据的预处理;构建自编码神经网络,利用自编码神经网络算法,从光谱、形状、纹理等方面提取遥感数据特征,通过特征匹配确定航空物探遥感数据的所属类型;通过分类性能测试实验得出结论：所提方法的全局遥感数据分类成功率和错误率的平均值分别为99.8%和0.6%,局部遥感数据分类的成功率和错误率的平均值分别为99.8%和0.3%,即所提方法在分类性能方面具有明显优势。