手绘草图识别中的相关反馈方法

手绘草图是人类思维外化和表达设计意图的有效工具之一,手绘草图的模糊性和用户适应性问题是草图识别中的关键问题。本文提出了将相关反馈机制引入到手绘草图识别中以捕捉用户意图的方法,该方法以抽取手绘草图的向量化特征为基础,首先利用基于图形特征的相似度计算,给出手绘草图候选识别结果集,然后借助用户对识别结果的相关性评价,通过逐渐调整图形构成特征的权重来捕捉用户输入意图,并提高识别效果。实验表明本文所提出的方法具有很好的效果。     

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     

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。     

基于草图查询的语义对象图像检索

针对图像低层特征和高层语义之间存在的语义鸿沟问题,提出一种结合草图查询和相关反馈的语义对象图像检索系统.该系统首先根据用户输入的手绘草图,利用形状(轮廓、区域和骨架)特征从对象库中初步检索出语义对象并保存其区域组合;然后根据用户选择的反馈对象并结合查询草图提取用户检索对象的语义特征(形状、区域及拓扑特征),最后采用寻找最优区域配对的方法在系统特征库中进行检索.实验结果表明,本文方法不但对用户需求的语义对象有较好的检索效果,而且还能较准确地在结果图像中框选出用户感兴趣的语义对象.     

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。     

在线草图识别中的用户适应性研究

提出一种在线草图识别用户适应性解决方法，该方法分别采用支撑向量机主动式增量学习和动态用户建模技术进行笔划和复杂图形的识别．支撑向量机主动式增量学习方法通过主动“分析”用户增量数据，并根据用户反馈从中选择重要数据作为训练样本，可有效地鉴别用户手绘笔划特征，快速地识别用户输入笔划．动态用户建模技术则采用增量决策树记录草图的笔划构成及其手绘过程，有效捕捉用户的复杂图形手绘习惯，进而利用模糊匹配在草图绘制过程中预测和识别复杂图形．实验表明：该方法具有很好的效果，为解决在线草图识别及其用户适应性问题提供参考．     

三维手绘CAD系统的设计与表达

描述了一个基于手绘草图的三维设计系统,并给出了该系统的体系结构．该系统采用以草绘手势规则和草图语义自动机为基础的设计与表达的思路,描述了草图语义的获取、表达和理解方法,从而较好地支持了早期的三维产品概念设计．该系统以手写笔和手写板为交互输入设备,能够自然、高效地进行一些复杂的三维实体和三维场景设计．     

基于笔序的手绘草图识别方法

本文提出了一种基于用户绘图过程笔序信息的手绘草图识别方法,该方法利用同一用户绘制同一草图的笔序趋向于一致这一特点,在收集用户绘图笔序信息的基础上建立用户模型,从而达到提高输入自由度和识别效率的目的,并用实验加以了证明。     

基于手绘草图的方案设计CAD系统

采用在线手绘草图识别和理解技术,设计并实现了一个支持用户流畅输人的二维方案设计CAD系统.该系统的主要特点体现在3个方面:采用一种基于曲率的笔画分割方法,能适应不同用户的输入习惯;提供了基于上下文的显著图符成组功能,可以支持用户方案构思过程中手绘输入的流畅性;引入主动纠错机制,提高了基于草图文法的图符识别效果.最后,用针对电路图设计所开发的原型系统验证了该方法的有效性.     

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。     

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。     

一种基于图匹配的复杂草图识别方法

复杂草图识别是手绘草图输入中的一个困难任务。现存的草图识别方法强调的是图形对象简单．但这不适合具有不同复杂性的复杂草图的识别。本文对具有不同复杂性的复杂图形对象提出一个基于图形的统一表示法，文中根据不同信息枉度将复杂图形分别转化为空间关系图(SRG)。文中提出了一个约束的部分枚举．以减小识别复杂草图时匹配SRG的状态空间。实验结果显示．我们的方法可适用于具有不同复杂度的各种复杂图形对象的识别。     

一种快速在线图形识别与规整化方法

1.引言因特网的迅速发展以及个人电脑的广泛使用促成了数量惊人的电子文档的出现。相比纸质资料,数字媒体内容更为丰富,形式更为多样化。随着计算机的介入,传统的设计方式发生了革命性的变革。设计工作不再是单纯的人为任务,而是一个人机不断交互的过程。因此,需要有一种新的技术和工具,能将传统设计方法与计算机辅助设计的优点有机地结合起     

Wikimantic: Toward effective disambiguation and expansion of queries

This paper presents an implemented and evaluated methodology for disambiguating terms in search queries and for augmenting queries with expansion terms. By exploiting Wikipedia articles and their reference relations, our method is able to disambiguate terms in particularly short queries with few context words and to effectively expand queries for retrieval of short documents such as tweets. Our strategy can determine when a sequence of words should be treated as a single entity rather than as a sequence of individual entities. This work is part of a larger project to retrieve information graphics in response to user queries.     

Adaptive photograph retrieval method

Access to electronic books, electronic journals, and web portals, which may contain graphics (drawings or diagrams) and images, is now ubiquitous. However, users may have photographs that contain graphics or images and want to access an electronic database to retrieve this information. Hence, an effective photograph retrieval method is needed. Although many content-based retrieval methods have been developed for images and graphics, few are designed to retrieve graphics and images simultaneously. Moreover, existing graphics retrieval methods use contour-based rather than pixel-based approaches. Contour-based methods, which are concerned with lines or curves, are inappropriate for images. To retrieve graphics and images simultaneously, this work applies an adaptive retrieval method. The proposed method uses histograms of oriented gradient (HOG) as pixel-based features. However, the characteristics of graphics and images differ, and this affects feature extraction and retrieval accuracy. Thus, an adaptive method is proposed that selects different HOG-based features for retrieving graphics and images. Experimental results demonstrate the proposed method has high retrieval accuracy even under noisy conditions.     

基于草图的人机交互技术研究进展

从草图识别和语义理解这两个方面对基于草图的人机交互技术的研究状况进行了分析和总结．对草图识别方法按其模式单元定义（笔划、图元、特征和组合图形）进行了分类和剖析;对草图语义理解所涉及的语义获取、语义解释和语义应用这三个关键问题及其解决方法进行了分析和阐述;并分别从基于草图的人机交互技术的几何模糊性、用户适应性和应用独旁性及其关系角度提出了这一领域的主要研究课题及其解决思路．     

Recognition and retrieval of mathematical expressions

Document recognition and retrieval technologies complement one another, providing improved access to increasingly large document collections. While recognition and retrieval of textual information is fairly mature, with wide-spread availability of optical character recognition and text-based search engines, recognition and retrieval of graphics such as images, figures, tables, diagrams, and mathematical expressions are in comparatively early stages of research. This paper surveys the state of the art in recognition and retrieval of mathematical expressions, organized around four key problems in math retrieval (query construction, normalization, indexing, and relevance feedback), and four key problems in math recognition (detecting expressions, detecting and classifying symbols, analyzing symbol layout, and constructing a representation of meaning). Of special interest is the machine learning problem of jointly optimizing the component algorithms in a math recognition system, and developing effective indexing, retrieval and relevance feedback algorithms for math retrieval. Another important open problem is developing user interfaces that seamlessly integrate recognition and retrieval. Activity in these important research areas is increasing, in part because math notation provides an excellent domain for studying problems common to many document and graphics recognition and retrieval applications, and also because mature applications will likely provide substantial benefits for education, research, and mathematical literacy.     

手绘图识别的用户适应性研究

草图理解的关键问题是允许用户按其习惯方式输人图形,即草图理解的用户适应性.为此提出了一种在线草图识别用户适应性解决方法:首先对用户输入的图形进行预处理;然后利用转角函数的方法进行笔划特征点的抽取;最后用动态用户建模技术进行笔划和复杂图形的识别.具有很强的用户适应性,消除了因用户随意输入带来的识别困难,为草图理解的实现提供支持.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,为解决在线草图识别及其用户适应性问题提供了有益的尝试.