基于真实三维人体点云的特征参数提取

针对真实三维人体点云数据,提出一种快速提取人体特征参数的方法。首先对点云数据进行预处理,并将人体中心点转化为坐标原点,然后利用人体几何形状以及特征参数的定义,通过分层探索法来定位人体特征点,最后利用人体特征点得到相应的特征截面信息,使用边缘识别法提取特征轮廓边界点,对于不同人体体型,基于人体几何形状分析法自动识别正常和肥胖人体体型,有效地计算不同体型的真实特征参数信息。数值实验说明了该方法的有效性。     

基于三维扫描的人体尺寸提取技术

论述了基于三维扫描技术的人体尺寸的自动提取方法,采用更适合服装学研究的人体划分方法,将扫描得到的人体按四肢和躯干分为5部分;自动识别服装人体尺寸所需要的测量基准点,用通过测量基准点的平面与人体表面相交的交点集构成的曲线来确定相应的尺寸.     

基于三维点云数据的人体躯干特征点的识别方法

人体特征点的识别是三维人体建模的基础,在简介人体特征点和特征部位相关基本知识的基础上,介绍采用极值法、曲率辨别法和建模法进行特征部位识别的思路和过程,根据每种方法的特点,确定人体不同特征部位识别更适宜的方法.     

基于特征参数的三维建筑结构积木式设计方法

提出一种概念直观、操作简便、效率高的三维设计方法,包括基于特征参数的构件模板设计、基于平面图的建筑物分层构件布局———整体自动组合方法及三维立体图可视辅助方法.通过“不完整构件模板”、参数预测、积木式“装配”等措施提高了设计效率.有助于传统二维设计改造及设计后,各工序人工读图状态.     

基于Kinect的三维人体重建

提出了一种利用Kinect设备识别和获取三维人体数据,并结合点云库(PCL)进行三维人体模型重建的新方法。为了达到三维人体重建的目的,在调整参考模型体型系数的基础上,同时利用了ICP迭代算法,将参考模型的点云数据同目标模型的点云数据进行配准。实验结果表明此种方法达到了重建的目的,具有实用性和可行性,同时体现了成本低、方便和实时性强的优点。     

基于小波变换的手骨图像边缘提取方法

为了探求可以同步分离手指骨和腕骨各部分轮廓的方法,便于骨龄测定。针对医学图像特点和要求,引入小波变换,结合传统图像分割方法,采用边缘生长和寻找大区域的方法,实现手骨同步分离。研究表明该方法能够较为精确的、全自动的分离手骨各部分,能够同步分离目标边缘,同时保留细节信息。     

基于人体特征的裤子结构关键尺寸分析

随着消费者对服装需求的提高,裤子的结构设计也极其重要。设计需以人为本,把握服装与人体的关系是裤子结构设计的关键之一。本文以女裤为例,以女性人体特征为基础,通过对女子下体的静态和动态特征的研究,将人体和服装相结合起来,对裤子结构设计的关键尺寸展开阐述,依次分析了裤子的腰围和臀围松量及其分配、中裆和裤口、直裆、前后裆宽、前后差、后裆斜度、后起翘量、挺缝线位置和省道等尺寸的设计。为裤子的结构制图提供参考依据,同时也为裤子个性化大规模定制奠定了基础。     

基于MRI断层图像的三维建模

为研究人体下肢的数字化模型,分析其在运动中的应力和应变情况,利用所采集人体下肢的MRI断层图像通过相关的图像处理软件自动化生成三维模型．     

燃烧器射流图像几何参数提取的研究

提出一种燃烧器射流图像分析及特征参数提取的新方法．在实验室,通过基于示踪剂的可视化手段,获取了燃烧器出口冷态射流图像;用Visual C＋＋语言编程,对图像进行了图像灰度变换、中值滤波、边缘检测、二值化,图像分割与轮廓提取等处理,设计并优化了燃烧器射流流场分析及特征参数提取算法,提取了射流的边缘轮廓;并实现了对描述射流特征参数的定量提取．     

基于三维扫描技术的人体测量

运用三维激光扫描得到人体模型的点云数据,并对该数据进行了降噪、点云精简、三角网格划分等优化处理;例举了基于服装结构设计理论,通过胸围线、腰围线和臀围线上的点坐标数据,计算得到各围度的弧长累计值的过程.     

通过小样本人体尺寸做人体参数测量的预测

针对服装制版过程中人体尺寸采取、人体非控制部位尺寸确定等难题,利用人体灰色建模和隶属函数的方法,通过小样本人体测量尺寸来预测人体参数,得到了准确的非控制部位尺寸,节省了测量时间,使服装更合体,提高了企业单位的工作效率和产品质量.     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

基于图像特征分析的人体正面运动跟踪研究

针对由于人体模型自由度（DOF）大，标准粒子滤波中采样粒子数较大的问题，提出了一种单目图像序列下基于图像特征分析的粒子滤波运动跟踪方法.该方法检测了人脸区域，从人脸区域构建皮肤模型，用皮肤模型来检测人的手掌部位，细化人体分割区域获得人体初始骨架，利用反向传播神经网络来获得关键部位关节点的位置.采用获得的关节点位置信息，更新表征人体位置的部分状态参数来减少在粒子滤波中不确定的状态参数的数目.实验结果显示，与标准粒子滤波相比，该方法可以减少计算量和增强跟踪鲁棒性.     

基于纹理特征提取的图像检索技术

主要从图像纹理特征入手,研究如何有效地抽取图像纹理特征对图像进行描述,基于抽取的特征对图像进行搜索,从而提高检索效率和检索性能。     

三维矩阵可变分割彩色图像压缩编码

针对基于三维矩阵宽离散余弦变换的彩色图像压缩方法通常采用的固定尺寸的子阵分割方案和固定尺寸的变换编码。由于图像的不同区域具有不同的统计特性,故采用固定尺寸的分割方案不能有效利用图像本身的相关性,提出了一种三维矩阵可变分割的彩色图像压缩编码方法。该方法采用可变分割的子阵分割方案和变尺寸三维矩阵宽离散余弦变换。首先计算图像的活动性,根据图像活动性的大小将被编码图像划分成不同大小的三维子矩阵。对不同大小的子矩阵分别采用相应尺寸的三维矩阵宽离散余弦变换。变换系数采用非均匀标量量化和熵编码。实验结果表明该方法的压缩性能在低比特率时远远优于JPEG方法,在压缩比相同的情况下,PSNR最多有超过2 dB的提高,主观质量也有提升。     

基于投影特征的快速图像匹配方法

为了减少现有投影法模板中的冗余像素和匹配过程中无效的投影计算,提出了一种基于投影特征的快速图像匹配方法。基于投影法匹配原理和目标物体最小纵横比矩形特性,构造出平行四边形模板,并应用四方向链码实现该模板的投影变换;在图像匹配过程中,基于模板投影数据的取值范围和动态阈值序贯相似性检测原理,实现投影变换过程中灰度值的实时判定。实验结果表明,本文提出的方法与其他图像匹配算法相比在运算速度上优势显著。     

基于特征选择的高光谱图像快速矢量量化算法

高光谱图像在取得较高光谱分辨率的同时带来了海量数据,使其压缩成为必需.矢量量化技术在高光谱图像压缩中取得了良好效果,但有计算复杂度高的缺点.针对高光谱图像谱带间高度冗余的情况,本文提出基于特征选择的快速矢量量化算法.该算法在减少运算量同时,能取得和LBG算法相近的压缩效果.实验表明在信噪比略微下降的情况下,计算时间下降了94.32%.     

Anisotropic diffusion denoising method based on image feature enhancement

This paper presents an image feature enhancement diffusion model. Since the coherence-enhancing anisotropic diffusion model, proposed by J.Weickert, often induces false edges in slippy regions and can not preserve the detail features effectively, the new model poses two characteristic indexes and one gradient variance index to finely describe much more image information than the previous work, such as corners and isolated noises except with slippy regions and edges, and defines eigenvalues based on the classification results such that the new diffusion tensor has large eigenvalues along both the gradient direction and edge direction in the slippy regions and at isolated noises, but has small eigenvalues along the two directions at corners, and has small eigenvalue along the gradient direction and large eigenvalue along the edge direction at edges. So it can remove noises efficiently and at the same time enhance edges and detail features. Theoretical analysis and numerical experiments show the effectiveness of the proposed model.     

基于深度特征聚类的海量人脸图像检索

针对海量人脸图像数据库检索时长的问题,提出了一种基于深度特征聚类的海量人脸图像检索算法.该算法首先使用人脸图像训练集对深度卷积神经网络模型进行人脸图像分类训练,在此基础上采用三元组损失方法对已训练好的人脸图像分类网络模型进行微调,使得网络能够更加有效地提取人脸图像的高层语义特征,构建更具有表征性的人脸图像深度特征.其次采用K-means聚类算法对提取的人脸图像深度特征进行聚类,使得同一个人的人脸图像能够划分到同一簇中,然后在相应的簇中进行人脸图像的深度特征相似度匹配执行人脸图像检索任务.为了进一步提高系统的检索性能,提出人脸图像深度特征融合的查询扩展方法,对待检索的人脸图像深度特征进行融合再次执行检索任务得到最终的检索结果.通过在两个人脸检索数据集(Celebrities Face Set和Labeled Faces in the Wild dataset)上进行详尽实验验证,结果表明,该算法能极大地缩小海量人脸图像数据库的检索范围,在保证一定准确率的前提下有效地提高了人脸图像检索的速度.     

基于PDEs的图像特征提取方法

针对提取图像判别信息的基于偏微分方程(partial differential equations, PDEs)的方法做了进一步研究。研究进化次数对图像特征质量的影响和压缩函数的压缩速度对图像特征质量的影响。试验结果表明:PDEs的进化可以降低遮挡的影响以及对光暗具有鲁棒性,但PDEs的进化次数以及压缩函数和压缩速度严重影响图像特征质量。