基于草图界面的应用系统框架研究与实现

现有的草图系统重在设计对象外形的表达,忽略了隐含在设计过程中用户思维活动的信息;另一方面,目前笔的交互方式尚不能自然、流畅地表达用户设计意图.通过分析草图界面信息对象和交互过程的特点,提出面向构思设计的应用系统框架ISF,以满足设计意图原型的快速生成;同时结合交互的任务、环境和用户偏好等上下文信排息,建立从物理设备到逻辑工具映射的交互模型,旨在为此类系统的交互设计提供一定指导的方法.最后给出面向轻纺行业服装设计的应用实例--草图图板系统.应用结果表明,ISF能够为此类草图应用系统的设计给予一定的指导,满足自然、流畅的交互设计要求.     

在线草图识别中用户手绘习惯建模方法

手绘草图是概念设计和思路外化的一种高效的表达方式。用户绘制草图时存在的多种形式，及其随意性和模糊性使得用户适应性问题逐渐成为草图识别的核心课题。本文提出了一种在线草图识别的用户建模方法来捕捉绘制草图时的用户习惯，主要包括两个方面的内容：一是基于SVM的主动式增量学习方法，二是基于动态用户建模的手绘复杂图形的识别方法。前者与传统的增量式学习方法相比，在识别精度相同的情况下所需的训练时间和训练数据集要少得多。后者则是基于笔划信息以及笔划间的顺序和空间关系信息，采用增量式决策树捕捉用户的输入习惯和过程信息。实验证明了本文方法在在线草图识别中的有效性和高效性。     

在线手绘草图识别中的用户建模方法

提出了一种在线手绘草图识别的用户建模方法。该方法首先利用用户输入笔划的速率和曲率特性进行笔划特征点抽取和笔划分段,从而将用户的输入草图分解成基本图元表示;进而,利用决策树收集和记录用户输入草图的时序信息,实现对复杂手绘草图的用户建模和在线识别,并通过对用户输入模式使用频率的统计实现对用户模型的动态管理和更新。实验表明:该方法不仅能显著提高复杂图形的识别效率,而且具有在线训练能力。     

基于特征提取的服装外形设计草图推荐技术

草图是服装外形设计中一类高效的信息载体,为了提高服装外形设计的效率,减少大量的重复操作,本文设计并实现了一种基于草图特征提取的二级推荐技术,在设计过程中整合草图轮廓的几何特征和草图勾画过程中的过程特征,同时结合相关反馈技术和用户交互历史数据,并结合笔式界面技术,开发了笔式服装外形设计原型,改善了人机交互方式,能够在用户设计过程中满足草图推荐的目的。     

笔式几何学习系统的设计与实现

基于现有的几何学习软件存在着交互方式不自然,不智能的缺点,设计并实现了一个笔式几何学习系统,用以模拟初中几何教学过程中,教师出题,学生答题的情境.笔式几何学习系统运用约束求解技术动态展示几何属性,运用草图识别技术将草图识别为几何图形,通过笔手势帮助用户更加方便地操作使用软件.评估表明,用户以笔交互的方式进行书写、绘图和操作,体现了和谐自然的人机交互模式.     

基于手绘草图的三维CAD系统

Post-IMP界面是下一代用户界面的主要范式。该文研究并实现了一种新型的基于笔的手绘草图三维CAD系统。实现手绘草图三维CAD系统的关键是设计一个自然、合理、高效的草图语义表达与获取框架,它要着眼于解决用户在做什么和在哪里做这两方面的问题。该文详细地讨论了草图语义表达和获取框架的设计思路及实现方法,并开发出一个原型系统,该系统以一支手写笔和一块手写板为交互输入设备,能够较自然高效地进行一些复杂的三维实体和三维场景设计。     

基于笔交互的表格制作

利用笔交互技术实现了表格的正式制作和草图制作,满足不同用户和不同应用的需要.提出了一种基于推理的自适应字线分离方法,首先通过上下文分析和全局分析来获取笔画的字特征和框线特征,然后对这2个特征进行综合评判来分离字线,通过交互来纠正分离错误.该方法实现了草图表格到正式表格的转换,增强了表格制作的灵活性.     

采用草绘轮廓的3维人脸建模方法

为方便用户进行3维人脸形状设计,提出一种基于手绘轮廓的3维人脸建模方法。该方法的主要特点在于,一方面,引用姿态估计技术对人脸草图进行解析,将用户绘制的侧视人脸草图转换成对应的正视人脸草图,可支持用户选择多个视角绘制人脸;另一方面,采用多层映射机制建立人脸草图特征点与3维人脸特征点之间的一一对应关系,由对应特征点之间的形变量来控制生成3维人脸,保证草图笔画的几何形状信息能有效映射到3维模型中。实验结果表明,文中方法能快速生成形状新颖的特定人脸,可有效支持用户进行3维人脸形状的手绘建模。     

基于用户建模的手绘草图识别

在线草图识别包括预处理、特征提取、图形规整和用户建模等几个方面的问题。其中用户建模是手绘草图识别的核心和关键问题。提出了一种在线草图识别用户建模方法,方法用动态用户建模技术进行笔划和复杂图形的识别。方法采用增量决策树记录草图的笔划构成及其手绘过程,实现对复杂手绘草图的用户建模和在线识别。实验表明所提出的方法不仅能得到较好的检索结果,而且具有较好的用户适用性     

基于手势和草图的概念设计协同交互的研究

基于手势和草图的交互模式提供了一种自然和谐的方式来支持概念设计协同操作,促进协同工作系统的发展与应用．基于以用户为中心的设计,比较了不同方式的概念设计过程,提出了基于手势和草图的协同设计方法,进一步讨论了以草图为设计过程中的信息载体,分析了草图信息模型;基于手势操作,提出了协同上下文感知的概念和协同设计上下文描述模型;最后分析并给出面向同步编辑的草图交互设计和双向约束求解方法．所提出的协同设计方法自然简便,提高了设计效率,改善了人机交互方式．     

基于自适应HMM的在线草图识别方法

用户适应性是在线手绘草图识别的一个关键问题。本文以实现草图识别的自适应性为目标,对草图识别中的用户适应性问题进行了深入的研究和实验,提出了一种自适应草图识别解决方法,并针对在线草图识别的特点,提出了一种基于笔划曲率,速率以及整体几何特性的组合特征。本文重点研究并实现了基于自适应HMM的草图识别,在已有HMM的基础上,针对在线草图识别的特点,提出了状态数可变自适应HMM的学习方法。实验表明本文所提出的方法具有很好的效果。     

手绘草图的在线分段识别

提出了一种在线手绘草图快速分段识别方法。先对草绘笔划进行平滑预处理,以减少噪声干扰和冗余点的数目;然后利用草绘笔划的动静态特性,以及用户的草绘习惯等特性找出笔划的关键分段点,将笔划分为多个笔划子段;最后利用基于二次曲线的方法对笔划子段进行分段识别和特征参数计算,并通过构造面向对象的图形数据结构对识别出的几何图元进行重构。实例表明,该方法具有较好的识别能力和系统稳定性,能够应用于二维概念草图的快速表达,以及后续三维草绘建模的特征笔划智能识别过程中。     

结合图元与感知哈希的手写输入简笔画识别

目的 为了克服手写输入中随意性强和自由度大的缺陷,同时兼顾简笔画的整体属性和局部特征,提出一种基于图元识别与感知哈希技术相结合的手写输入简笔画二级识别算法。方法 首先提取笔画的几何特征、笔序特征及结构特征且进行识别,然后查找由图元信息、笔画结构信息和笔序信息构成的简笔画语义库,完成由规则的几何图元构成的简笔画识别;若未被识别,则生成简笔画图像,利用感知哈希技术完成简笔画图像的识别。结果 基于本文提出的简笔画识别方法,实现了对样本库中150种简笔画对象的识别,平均识别率为82.6%。结论 实验结果表明,对于不同用户手写输入的任意样本库中的简笔画,该方法具有较高的识别率,此外,还可以通过在简笔画语义库和样本库中增加简笔画的种类等方式实现对更多种类简笔画的扩展识别。     

基于隐性马尔可夫模型的手势识别设计和优化

新型的笔式交互技术要求能够高效地识别用户手势,适应用户的手绘风格。本文建立了基于隐形马尔可夫的手势识别模型,在此基础上提出了在重采样阶段的中点补偿方法和编码阶段的方向编码优化方法。实验结果表明该识别模型能以更精简的采样点数量表示手势并给出良好的识别结果,减少了模型训练的运算量。     

概念图形草绘设计技术研究

针对概念草图的输入输出问题,采用了基于草绘输入的交互式图形设计方法,实现了单笔划草绘轨迹主动分段识别与规整方法;运用了基于笔式手势的草图编辑方法,并将概念草图以DXF的格式输出,实现与现有CAD系统之间的集成.根据手势设计原则以及草图编辑的需要,定义并实现了选择、删除、移动等10种手势,同时采用感知器线性分类方法对手势进行识别.实例表明:手势编辑模式能够改善传统编辑方式在自然性与智能性方面的不足.     

草图理解技术研究进展

本文概述了草图理解技术(包括草图识别和语义理解)的现状。首先，草图识别包括预处理和图形识别．根据各种图形处理机制，介绍了四种图形识别方法：基于笔划的、基于图元的、基于几何特征的、基于组合图形的。其次．深入分析了几个语义理解方法，一般包括三个环节：语义获取关系分析和高层应用。最后，本文提出了几何模型、用户模型和领域模型。讨论了草图理解中的主要问题并给出初步解决方案。     

笔输入草图的分层识别

针对计算机支持的草图设计技术中的草图识别这个核心问题，给出了一套分步逐层的识别方案：从原始笔划的在线识别与线元转换，到几何层基于上下文的草图规整，到语义层基于领域知识的草图理解．整个识别过程通过一个带有黑板的知识库系统实现，逐步有效地解决了草图的模糊性与不确定性，将原始草图转换为精确的几何图形．文中方法已经过原型草图工具系统ISID的验证，并取得良好效果．     

Sketch recognition by fusion of temporal and image-based features

The increasing availability of pen-based hardware has recently resulted in a parallel growth in sketch-based user interfaces. Sketch-based user interfaces aim to combine the expressive power of free-hand sketching with the processing power of computers. Most sketch-based systems require intelligent ink processing capabilities, which makes the development of robust sketch recognition algorithms a primary concern in the field. So far, the research in sketch recognition has produced various independent approaches to recognition, each of which uses a particular kind of information (e.g., geometric and spatial constraints, image-based features, temporal stroke-ordering patterns). These methods were designed in isolation as stand-alone algorithms, and there has been little work treating various recognition methods as alternative sources of information that can be combined to increase sketch recognition accuracy. In this paper, we focus on two such methods and fuse an image-based method with a time-based method in an attempt to combine the knowledge of how objects look (image data) with the knowledge of how they are drawn (temporal data). In the course of combining spatial and temporal information, we also introduce a mathematically well founded fusion method for combining recognizers. Our combination method can be used for isolated sketch recognition as well as full diagram recognition. Our evaluation with two databases shows that fusing image-based and temporal features yields higher recognition rates. These results are the first to confirm the complementary nature of image-based and temporal recognition methods for full sketch recognition, which has long been suggested, but never supported by data.     

基于上下文的在线草图识别方法

支持用户自由连贯地绘制草图是在线草图识别研究的目标之一。本文提出一种使用空间关系等上下文和贝叶斯分类器进行草图识别的方法，其主要特点包括两个方面：第一，使用笔画空间关系进行自动笔画成组，可以在不打扰用户绘图的情况下完成候选符号的选取；第二，利用贝叶斯分类器实现在线草图识别，可以解决识别方法的领域相关性及画法敏感性问题。实验验证了方法的有效性。