基于深度卷积-递归神经网络的手绘草图识别方法

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草图识别方法.首先按照绘画草图时的笔画顺序提取笔画,生成多幅子笔画草图,并形成一个笔画数依次递增的子笔画草图序列;然后采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征,并将提取的图像特征按照原先子笔画草图排列的顺序进行排序,作为递归神经网络的输入;最后利用递归神经网络来构建不同图像特征间的时序关系,以提高手绘草图的识别准确率.在现有最大的手绘草图数据集TU-Berlin Sketch数据集上的实验结果表明,文中方法能有效地提升手绘草图的识别准确率.     

在线多笔画重复绘制草图的判定与聚类

多笔画重复绘制是设计师传递设计意图的常用方式,为在手绘图识别系统中支持多笔画重复绘制,提出一种将在线多笔画重复绘制草图解释为二维线图的判定与聚类算法.首先通过笔画逼近折线段的折点序列,构造一个带圆弧过渡的等距边线围成的多边形区域作为笔画容差带;然后利用2条笔画之中最小包络矩形面积较小的笔画的采样点落入另一条笔画的容差带的个数,进行多笔画重复绘制的快速判定;最后提出将草图分成若干个子草图的聚类算法,根据子草图中笔画的单笔画识别结果将子草图分为同类型子草图和混合类型子草图,并给出相应的子草图拟合方法.通过自主开发的FSR_DJ原型系统对文中算法加以验证的结果表明,该算法能有效地解决多笔画重复绘制草图的识别问题,为后期手绘图的识别研究奠定了基础.     

基于时序特征的草图识别方法

草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确率明显高于其他算法。     

改进的自然图像铅笔画效果生成

目的现有的自然图像素描画效果生成算法存在容易造成画面细节丢失,笔画线条单一等问题。针对这些问题,提出一种改进的自然图像素描画效果生成算法。方法通过模拟艺术家创作素描画过程,采用多层次多尺度方法提取图像中不同层次的细节信息,并使用不同长度不同粗细的笔画来模拟艺术家在创作过程中不同力度的绘画效果,分层绘制画面中不同细节层次,然后融合各层次笔画效果形成最终的素描画笔画效果,最后合并素描画笔画效果和素描画图像底纹。结果通过本文算法,可以得到与原输入自然图像内容一致,色调与艺术家绘制的素描画效果相同,笔画和底纹形式与实际素描画相似,真实感较强的素描画效果输出图像。结论大量实验结果表明,本文算法可以生成高质量的自然图像素描画效果,与现有成熟的铅笔画生成技术相笔,该算法具有较强的可比性。     

在线手绘平面立体投影图的端点融合

端点融合是手绘草图规整过程中尤为重要的一个环节,其对于草图的最终规整结果也影响甚大.针对现有手绘平面立体投影图的端点融合方法的不足,提出一种基于角度直方图的融合方法.首先根据拟合后草图笔画的角度信息得到相应的角度直方图,并对笔画进行平行处理;然后利用容差圆判定聚类笔画,得到若干组聚类端点;再根据"坐标系-权重准则"确定各组聚类端点的融合顺序;最终在保证笔画平行关系的前提下,对各聚类端点按照其相应的权重顺序进行融合处理.通过自主开发的FSR_EF原型系统对文中方法予以验证并与现有方法进行比较,结果证明,该方法可以有效地解决现有端点融合方法存在的问题,也达到保留用户最初输入意图的目的,同时为进一步实现3D物体投影图的重构工作奠定了基础.     

基于线条画的2.5D卡通模型

在卡通设计中,为了通过少量的2D视图生成卡通对象任意方向的视图,形成类似对象旋转的3D效果,提出一种基于线条画输入的2.5D卡通模型.基于正交的2个视线方向上卡通对象的线条画,把其中的笔画表示为2.5D结构并进行分类,然后根据笔画的类别分别用形状插值或类比的方法生成新的形状;用画家算法结合分组的方法判断笔画的可见性,以自动生成2个输入方向中任意方向的视图.实验结果表明,该模型减少了对特定绘画程序的依赖,在中间视图的质量上比已有方法有很大提高.     

基于生成对抗网络的漫画草稿图简化

在漫画绘制的过程中,按草稿绘制出线条干净的线稿是很重要的一环.现有的草图简化方法已经具有一定的线条简化能力,然而由于草图的绘制方式的多样性以及画面复杂程度的不同,这些方法适用范围有限且效果不理想.本文提出了一种新颖的草图简化方法,利用条件随机场（Conditional random field,CRF）和最小二乘生成式对抗网络（Least squares generative adversarial networks,LSGAN）理论搭建了深度卷积神经网络的草图简化模型,通过该网络生成器与判别器之间的零和博弈与条件约束,得到更加接近真实的简化线稿图.同时,为了训练对抗模型的草图简化能力,本文建立了包含更多绘制方式与不同内容的草图与简化线稿图对的训练数据集.实验表明,本文算法对于复杂情况下的草图,相比于目前的方法,具有更好的简化效果.     

线条增强的建筑物图像抽象画生成

针对建筑物图像线条鲜明、轮廓清晰的特点,提出一种自动化的抽象画生成算法.首先通过双边滤波对原始图像的细节进行简化;然后利用快速的、带有误判控制的图像线段检测算法来获得建筑物的外轮廓和门窗等线条特征,通过该线条特征增强基于流的高斯差滤波器生成线条框架;最后将双边滤波处理结果与线条框架进行融合形成最终的抽象画效果.该算法既去掉了建筑物图像中多余的细节信息,使整个图像更趋抽象,同时又通过边缘信息保持了建筑物自身独有的风格,充分展现出富有艺术家手绘风格的建筑物效果.文中算法简单、易于实现,并通过实验充分证明了其有效性.     

基于笔画容差带的手绘草图间断多笔画判定与拟合方法

在手绘草图的过程中经常会出现单一线元间断绘制的问题,为了将间断的笔画修整为单一线元以获得规范的设计图,提出了一种基于笔画容差带的手绘草图间断多笔画判定与拟合方法。该方法对输入的笔画进行折线化处理,得到笔画逼近折线段的折点序列,并判断笔画类型;根据笔画走势,绘制假想笔画以及扩展的笔画容差带,判定两笔画是否属于间断多笔画;聚类间断绘制多笔画,将笔画序列转换成子草图序列,并对子草图逐一进行拟合,从而得到规范的几何线元,这为实现由草图到规范设计图的识别提供了基础。     

基于运动图象的手写汉字笔画时序信息提取

利用连续帧图象之间的时序关系,提出了一种基于运动图象的手写笔画时序信息提取方法.根据汉字结构特点和汉字识别的需要,此文首先定义了网格时序和笔顺两种手写汉字的笔画时序信息;然后,应用数学形态学方法确定手写汉字笔画像素点出现的图象帧序,并提取网格时序;最后通过笔段提取与融合获取笔顺.从实验结果看,所提取的笔画时序,尤其是起始和终止笔画是正确的,表明该方法有效的.     

基于形状演化的线条画风格转换与变形

根据线条画和线条画中笔画的形状特征，运用平面形状演化理论对线条画和笔画的形状进行平滑或增强，并对宽度进行相应的调整，最后得到不同风格的线条画．该风格转换水需要任何样本，而且能够控制转换的程度，提高了线条画风格转换的自由度．     

基于语法描述语言的在线手绘流程图识别

提出了一种基于语法描述语言来对草图的结构和组成符号进行识别的方法。该方法将整个识别过程分为3步:首先,使用具有空间和时序约束的动态规划对笔画序列进行自由组合;然后通过神经网络分类器对笔画组合进行识别,生成候选符号集;最后,基于流程图构成的语法规则,对候选符号进行筛选,最终通过语法解析获得识别结果。在FCinkML数据上对该方法进行验证,结果表明了该方法的有效性。     

中西方绘画中线条运用的差异

线条是中西方绘画中最基本的造型手段之一,是人们认识和反应自然形态时最简洁、最明确的表现形式,同时是构成各种视觉艺术形象的基本因素之一。由于文化传统与美学观念的不同,从而导致了中西方传统绘画对线的认识与运用呈现出不同的风格特点。本文通过对中西方传统绘画中线条运用的差异性进行比较分析,寻找其中的的不同点,以求相互借鉴、相互渗透、相互融合,促进线条运用的发展新方向。     

手绘图风格的三维模型线条渲染

现有的三维模型线条渲染方法,由于模型是网格结构,渲染得到线条图由大量的小线段组成,导致图形中有许多明显的棱角和孤立线段.提出了一种新的手绘图风格的三维模型线条渲染方法,将观察到的三维模型转化成简洁、自然的线条图.算法首先采用Suggestive Contours方法得到模型的特征线段集,通过分析线段的空间信息,将小线段连接成若干长线条,并用三次B样条曲线插值这些线条,然后引入B样条小波对线条进行简化.实验结果表明,本文的方法可以很好地连接这些线段集,得到平滑、简洁的手绘风格模型线条图.     

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。     

基于时空关系的在线多笔画手绘二次曲线识别

综合考虑笔画时空关系对在线多笔画手绘二次曲线进行识别。先对笔画识别结果进行基于时间间断的多笔画预处理将其识别为虚线或实线,然后详细讨论基于空间关系的多笔画手绘二次曲线的识别问题。将基于空间关系的二次曲线多笔画识别分为封闭二次曲线和非封闭二次曲线的多笔画识别,对前者给出采用最小中值二乘的多笔画拟合二次曲线方法。针对非封闭二次曲线提出广义笔画及其对应的旋转角和首尾点的概念,并从多笔画判定、草图生成、旋转角和首尾点的确定这3方面给出其多笔画识别方法。最后通过自主开发的FSR系统对文中算法加以验证。     

参数化的肖像漫画生成算法

现有计算机生成漫画的方法大多基于高层语义描述和图像模板的方式来实现,主要通过基于图像变形的算法达到漫画夸张的效果,更多关注的是夸张点的位置模板和夸张的比例,很少从艺术家的绘画本质,即线条来描述夸张的尺度。参数化的方法从艺术家绘画的本质线条出发,分析夸张的基本原理,构建组成人脸夸张各器官的线条元素,将漫画的夸张特征转换为一些可控制的参数,并通过局部参数的控制调整,实现不同艺术风格的漫画。实验证明该方法实现的漫画效果线条造型丰富,夸张效果突出,较好地还原了艺术家漫画夸张的线条表现本质。     

基于定向滤波的水墨图像线条渲染方法仿真

针对当前水墨图像线条渲染运行时间长、分辨率低的问题,提出基于定向滤波的水墨图像线条渲染方法.首先利用滤波函数对水墨图像进行去噪,可以得到经过去噪后的图像坐标,再利用Lab彩色模型对水墨图像做分割处理,根据聚类方法完成对图像的聚类处理,按照浮点方法将彩色水墨图像转为灰度图像,结合直方图阈值法将灰度图像转为二值图像,通过对水墨图像的去噪、分割以及预处理,完成了对水墨图像的轮廓提取,为图像线条渲染做准备.其次,利用水墨图像像素在RGB中的分量,计算输出和输入水墨图像间的关系,完成对水墨图像颜色的提取以及均一化处理.最后利用定向滤波方法计算水墨图像的相位偏移序列,对水墨图像正交滤波核的基函数进行求解,最终实现了对水墨图像线条的渲染.实验结果表明,在对水墨图像线条进行渲染时,提出方法不仅运行时间短、效率高,还具有较高的图像分辨率,图像的渲染效果较好.     

基于定向滤波的水墨图像线条渲染方法仿真

针对当前水墨图像线条渲染运行时间长、分辨率低的问题,提出基于定向滤波的水墨图像线条渲染方法.首先利用滤波函数对水墨图像进行去噪,可以得到经过去噪后的图像坐标,再利用Lab彩色模型对水墨图像做分割处理,根据聚类方法完成对图像的聚类处理,按照浮点方法将彩色水墨图像转为灰度图像,结合直方图阈值法将灰度图像转为二值图像,通过对水墨图像的去噪、分割以及预处理,完成了对水墨图像的轮廓提取,为图像线条渲染做准备.其次,利用水墨图像像素在RGB中的分量,计算输出和输入水墨图像间的关系,完成对水墨图像颜色的提取以及均一化处理.最后利用定向滤波方法计算水墨图像的相位偏移序列,对水墨图像正交滤波核的基函数进行求解,最终实现了对水墨图像线条的渲染.实验结果表明,在对水墨图像线条进行渲染时,提出方法不仅运行时间短、效率高,还具有较高的图像分辨率,图像的渲染效果较好.     

捕捉设计意图的二维草图识别技术

针对目前二维草图识别技术存在的误识别率高、智能性差等缺点,提出一种通过捕捉设计意图修正贝叶斯推理结果的草图识别技术.首先研究绘制过程中笔触的速率、压力等变化规律与设计意图的关系,建立草图绘制规律与设计意图关系模型,实现实时设计意图捕捉;其次建立二维草图识别的贝叶斯网络,根据绘制几何特征分配条件概率表;再利用捕捉的设计意图修正各个约束特征节点的条件概率,使贝叶斯网络能够推理出符合设计意图的几何元素及约束关系;最后建立草图识别系统,并引入评价反馈机制增强识别的自适应性和准确性.实验结果表明,该技术使二维草图的误识别率降低约30％,有效地减少了漏识别发生,对无设计意图绘制扰动具有区分能力.