基于单幅图像成像一致性的组合式建筑交互建模

在组合式建筑建模中,针对单幅建筑物图像提供的信息量少、建筑物部件之间的相互遮挡等局限性,提出一种"部件建模-联合优化"的组合式建筑交互建模方法.首先根据输入的单幅建筑物图像,用户标注图像上建筑物单个部件的6个顶点,系统获取顶点坐标并利用其与三维几何体顶点之间的对应关系构建长方体初始部件模型,使得其投影与图像上的部件轮廓相匹配,以实现相机标定;然后对选定的初始部件模型进行交互式编辑以生成相邻的部件,并使得生成的相邻长方体部件投影与图像上的相应部件轮廓相匹配,基于相机内参的成像一致性完成建筑物相邻部件的重建;最后利用组合式建筑建模的投影误差和共面约束误差进行联合优化,生成精确的组合式建筑物模型,并利用建筑物纹理的对称性合成真实的三维组合式建筑.利用.NET平台下的Emgucv库和OpenGL库实现基于单幅图像的建筑物三维建模,实验结果表明,该方法能方便高效地重建单幅图像中的组合式建筑物,且具有较强真实感.     

LDA-CRF:一种基于概率图模型的目标检测方法

目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能够利用图像区域之间的局部相关性来提高分类准确性.基于LDA和CRF提出了一种LDA-CRF模型.通过利用LDA生成的主题信息来辅助CRF的分类,同时结合图像区域之间结构化的类别信息来改进LDA的主题生成机制.实验结果表明,LDA-CRF模型的检测效果要优于CRF.     

利用图像校正的快速目标识别算法

提出了一种基于图像校正的快速目标识别算法,特别适合于航拍照片中地面上面目标的识别。算法可以使目标模型单一化,在很大程度上克服了目标识别模型复杂、数据运算量大、计算实时性差等缺点,提高了目标识别的实时性和精确性。首先对图像进行感兴趣区域的检测;对检测出的区域进行图像的正视校正;然后对校正后的区域进行特征提取;最后进行目标识别,并输出目标信息,完成识别过程。实验表明,该算法用于大倾角航片目标识别是有发展潜力和前途的。     

自适应分块的BIM墙体轮廓提取及三维重建研究

建筑信息模型(building information modeling,BIM)技术的发展被视为建筑行业的第二次革命,BIM应用的第一步就是搭建3D建筑信息模型。然而手工搭建BIM模型的效率低下,因此结合Auto CAD及Revit二次开发技术,实现基于建筑平面图的三维快速重建功能。在重建过程中,首先对建筑平面图中的数据进行提取,对重要建筑构件识别进行研究,即对直线墙体、门窗进行识别。在此基础上,利用数据分块思想,提出了自适应分块的墙体轮廓提取算法,解决了墙线段断开的情况,有效地提取到墙体的轮廓及其中的坐标点,从而实现了墙体、门窗的三维重建,提高了BIM建模效率。     

图像分块重构和LDA融合的人脸识别方法

提出了一种新的基于图像分块重构和线性判别分析相融合的方法,主要用于人脸识别。该方法通过计算两幅图像之间图像块的重构均值误差,运用线性判别分析求出两幅图像降维后的欧式距离,融合重构误差和欧式距离计算这两幅图像之间的差别程度。识别过程中,待测图像与训练图像中差别最小的认为是属于同一个人。该方法在ORL人脸数据集上进行实验,并在PIE数据集上验证了其有效性。新方法能够有效克服光照变化、平移等影响,在识别性能上比较有优势。     

基于MIMICS软件的脊柱三维重建算法研究

探讨基于MIMICS图像处理软件的脊柱三维重建算法。采集真实患者脊柱部位的CT影像数据,应用比利时医学交互式影像控制系统软件(Materialise's Interative Medical Image Control System, MIMICS)对影像数据进行图像处理、三维重建。采用基于灰度值的阈值分割、蒙版编辑、区域增长等算法编辑图像,最后计算三维蒙版获得脊柱的三维模型。结果:获得可编辑的stl格式的脊柱三维模型。应用MIMICS软件可基于脊柱CT影像数据高精度、准确的、快速建立三维模型,以用于临床的测量、手术规划、3D打印和数字骨科的有限元仿真。     

基于生成对抗网络的地面新增建筑检测

针对传统的基于地物纹理和空间特征的方法很难精确识别地面新增建筑的问题，提出了一种基于生成对抗网络的新增建筑变化检测模型（CDGAN）。首先，使用Focal损失函数改进传统图像分割网络（U-net），并以此作为模型的生成器（G），用于生成遥感影像的分割结果；然后，设计了一个16层的卷积神经网络（VGG-net）作为鉴别器（D），用于区分生成的结果和人工标注（GT）的真实结果；最后，对生成器和判别器进行对抗训练，从而得到具有分割能力的生成器。实验结果表明，CDGAN模型的检测准确率达到92%，比传统U-net模型的平均区域重合度（IU）提升了3.7个百分点，有效地提升了遥感影像中地面新增建筑物的检测精度。     

基于卷积神经网络的建筑构件图像识别

对于现存的大量既有建筑,利用三维激光扫描所得到的点云数据生成BIM模型,需要将点云数据转换成建筑RGB-D图像,并对图像进行分类处理.传统图像识别技术无论是识别准确度还是面对复杂场景的模型泛化能力等,都难以满足现在的需求.文中基于深度学习算法,针对室内建筑门窗构件图像的分类问题,提出了一种运用卷积神经网络模型进行建筑构件图像识别的方法.该方法首先将收集的数据集进行数据增强处理以增加数据丰富度,并使用在ImageNet上已经训练好权重的VGG16作为识别网络,随后对网络进行优化,包括增加Dropout层、L2正则化以及采用Fine-tune操作来提升网络的识别精度.实验结果表明,进行了Fine-tune等优化后的模型的平均识别准确率达到95.4％,相比于未经过优化的模型的准确率提高了大约5.1％.     

基于似物性的快速视觉目标识别算法

针对视觉目标识别算法实时性较差的问题,基于似物性提出一种面向视觉目标识别的可变部件模型改进算法。该算法首先对图像进行二进制归一化的似物性检测,并利用检测结果形成视觉目标候选框;然后使用目标识别算法对候选区域进行似然判决,比滑动窗口法缩短了搜索时间;最后通过一个快速扩大-缩小算法对检测目标进行尺度修正,提高目标框的准确度。在PASCAL 图像库上的识别结果表明:该识别方法在准确率上优于当前主流的检测模型,计算耗时较级联DPM算法减少约50%。     

基于图像视觉特征与LDA模型的取景图像识别

对数码相机取景图像进行场景的自动识别与归类是数码相机模式自动调整的核心问题之一。本文提出一种结合图像视觉特征与LDA(Latent Dirichlet Allocation)模型的取景图像自动识别算法:在图像类别训练中,以整个训练图像类的特征码作为训练对象,其中特征码包含图像的低层视觉特征,得到各类图像的LDA模型。在图像识别中,通过计算目标图在各类图像模型中的后验概率来判断该图所属类别。实验结果较好,说明此算法可用于对数码相机取景框图像场景识别。     

Procedure-based component and architecture modeling from a single image

This paper advocates a new component-aware framework to reconstruct 3D architecture from a single image. Different from existing work, our motivation is to obtain a complete set of semantically correct 3D architectural components, which enables part reusability towards rapid model reproduction and facilitates model variation. The core of our system is a novel algorithm to adaptively segment repeated curved stripes (e.g., roof tiles, building floors) into individual elements, based on which 3D dimensions as well as architectural components are derived from a single image. Specially for Chinese architectures, we further devise an interactive method to identify outer columns based on user-specified inner columns. Finally, 3D components are generated and shape rules are derived, from which the buildings and their variants are constructed. Our new component-aware framework minimizes the use of data resource (i.e., one single image) and emphasizes component utility during rapid 3D architecture reproduction by advocating a component-aware approach.     

基于二维点云图的三维人体建模方法

近年来基于二维图像的三维建模方法取得了快速发展,但就人体建模而言,由于摄像头采集到的二维人体图像包含衣物、发丝等大量的纹理信息,而像虚拟试衣等相关应用需要将人体表面的衣物褶皱等纹理信息去除,同时考虑到裸体数据采集侵犯了用户的隐私,因此提出一种基于二维点云图像到三维人体模型的新型建模方法。与摄像机等辅助设备进行二维图片数据集的采集不同,该算法的输入是由三维人体点云模型以顶点模式绘制的二维点云渲染图。主要工作是建立一个由二维点云图和相应的人体黑白二值图构成的数据集,并训练一个由前者生成后者的生成对抗网络模型。该模型将二维点云图转化为相应的黑白二值图。将该二值图输入一个训练好的卷积神经网络,用于评估二维图像到三维人体模型构建的效果。考虑到由不完整三维点云数据重建完整的三维人体网格模型是一个具有挑战性的问题,因此通过模拟二维点云的破损和残缺状态,使得算法能够处理不完整的二维点云图。大量的实验结果表明,该方法重建出的三维人体模型能够有效实现视觉上的真实感,为了对重建后的精度进行定量的分析,选取了人体特征中具有代表性的腰围特征作为误差评估;为了增加三维人体模型库中人体形态的多样性,还引入一种便捷的三维人体模型数据增强技术。实验结果表明,该算法只需要输入一张二维点云图像,就能快速创建出相应的数字化人体模型。     

基于机载视频量测的3维城市建模

3维城市模型的快速获取及更新是近十年来计算机视觉及数字摄影测量领域研究的热点。从实用、经济的角度出发，提出了集成城市数字地图、LIDAR data以及机载视频序列影像多数据源，基于数字摄影测量理论的半自动获取3维城市模型的解决办法，并在3维导航的数据生产实践中进行了验证，取得较好的生产效率及效果。     

三维缓冲体生成栅格算法研究

在对距离变换进行深入研究的基础上,提出一种高效的、基于栅格的等值面扩张的三维缓冲体生成算法．该算法采用桶排序的方法处理体元,并且设计了信息在三维空间的传递路径,算法复杂度为O（V）．     

结合体元数据结构的机载LIDAR建筑物检测

目的 目前,点云、栅格格网及不规则三角网等建筑物检测中常用的离散机载激光雷达（LIDAR）点云数据表达方式存在模型表达复杂、算法开发困难、结果表达不准确及难以表达多返回数据等缺点。为此,针对LIDAR点云体元结构模型构建及在此基础上的建筑物检测展开研究,提出一种基于体元的建筑物检测算法。方法 首先将点云数据规则化为二值（即1、0值,分别表示体元中是否包含有激光点）3D体元结构。然后利用3D滤波算法将上述体元结构中表征数据点的体元分类为地面和非地面体元。最后,依据建筑物边缘的接近直线、跳变特性从非地面体元中搜寻建筑物边缘作为种子体元进而标记与其3D连通的非地面体元集合为建筑物体元。结果 实验基于ISPRS（international society for photogrammetry and remote sensing）提供的包含了不同的建筑物类型的城区LIDAR点云数据测试了"邻域尺度"参数的敏感性及提出算法的精度。定量评价的结果表明：56邻域为最佳邻域尺度;建筑物的检测质量可达到95%以上——平均完整度可达到95.61%、平均正确率可达95.97%。定性评价的结果表明：对大型、密集、不规则形状、高低混合及其他屋顶类型比较特殊的复杂建筑物均可成功检测。结论 本文提出的建筑物检测算法采用基于体元空间邻域关系的搜索标记方式,可有效实现对各类建筑目标特别是城市建筑目标的检测,检测结果易于建模3D建筑物模型。     

基于航空立体像对的三维建筑物建模

采用人机交互方法按照一定顺序提取建筑物角点,根据近似点位进行角点位置的纠正,按照影像自动定向的结果计算模型的三维坐标,建立三维建筑物模型.实验证明,这一方法能有效地实现速度和逼真度的兼顾.特别是对于一些仅需小范围的建筑物建模场合,例如三维制导时的目标区域,采用该方法进行建模不失为一种简单而有效的方法.     

湿地公园无人机航测的高效三维建模与呈现

针对湿地公园地貌和生态特征,以实例为研究对象,对湿地公园无人机航测数据的高效三维建模和轻量化呈现技术进行研究,解决大型实景模型建模效率低、实时呈现与浏览困难和缓慢等瓶颈问题。提出基于二次高斯径向基函数线性组合方程及对航测空间位置数据进行四叉树分割的三维建模算法,并实现模型的光滑连接和优化处理。实验表明,提出方法一改航测数据三维建模的传统繁琐建模方法和过程,利用少量的建模数据高效快速构建和呈现大规模三维模型,并大幅降低构建模型的数据量和获得满意的建模视觉效果。该方法不仅适用于湿地公园大规模三维高效建模与呈现,对自然风景区、林区等生态保护区的大规模三维建模与呈现亦有参考价值。     

基于网格多密度的古建筑图像特征匹配方法

古建筑图像三维重建中图像特征可靠匹配是影响重建效果的一个关键问题.为提高古建筑图像特征的匹配性能,提出了一种基于网格多密度聚类的特征匹配方法.该方法首先采用SIFT算子获取图像特征点;其次对图像进行网格划分,依据网格单元特征点密度确定图像锚单元、邻居单元、边界单元;然后依据局部区域密度相似性确定图像簇;最后对相似簇中的特征点依据最近邻距离比准则进行匹配.在中国古代建筑三维重建数据集和141幅山西晋祠古建筑图像上进行了实验,验证了算法的有效性.     

Facial landmarks detection using improved active shape model on android platform

Detection of facial feature is fundamental for applications such as security, biometrics, 3D face modeling and personal authentication. Active Shape Model (ASM) is one of the most popular local texture models for face detection. This paper presents an issue related to face detection based on ASM, and proposes an efficient extraction algorithm for facial landmarks suitable for use on mobile devices. We modifies the original ASM to improve its performance with three changes; (1) Improving the initialization model using the center of the eyes by using a feature map of color information, (2) Constructing modified model definition and fitting more landmarks than the classical ASM, and (3) Extending and building a 2-D profile model for detecting faces in input image. The proposed method is evaluated on dataset containing over 700 images of faces, and experimental results reveal that the proposed algorithm exhibited a significant improvement of over 10.2 % in average success ratio, compared to the classic ASM, clearly outperforming on success rate and computing time.     

基于知识的三维特征识别方法研究

三维重建是逆向工程的一个关键环节，面片拼接重建算法丢失产品三维特征，导致反求结果精度低，数据最大，而且不易进行CAD建模和产品改型设计，根据切片图像信息进行三维特征识别是三维重建的一种有效方法，研究机加零件常见三维特征及其对应二维层析切片图形的关系，建立典型三维特征识别知识库，利用知识库的推理机制，提出基于知识的三维特征识别方法。