排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
通过融合书法字形状、方向和上下文特征并结合反馈技术,实现一种计算机辅助书法牌匾设计的方法.首先提取书法字特征表达书法字风格,然后通过风格一致性模型得到牌匾候选集,最后用对等反馈传递调整书法字的风格相似度.通过实验测试了不同的融合方法和反馈机制对牌匾生成的影响,结果表明融合和反馈均能提高牌匾的生成效果. 相似文献
2.
为了高效地利用数字化书法作品,提出一种通过两层检索的书法字快速多层检索方法.该方法中,第一层检索提取并比较拐点和端点等关键点上的特征,大幅度减少像素点的比较次数;第二层检索以第一层检索的结果作为输入进行基于骨架相似性的检索,可大幅度减少需比较的书法字样本个数.与直接使用基于骨架相似性的书法字单层检索方法相比,文中方法所需时间减少了一半左右,而查全率和查准率基本保持不变,提高了大数据量书法字检索的效率. 相似文献
3.
三维虚拟环境中的书法创作 总被引:1,自引:0,他引:1
为了充分利用数字化技术促进书法艺术的教学和发展,提出并实现了虚拟化书法创作系统.首先构建基于三角网格的毛笔虚拟模型;然后通过常用曲线拟合笔画书写路径,并在笔画路径上指定关键帧,以表现书写时毛笔在相应位置上的节奏快慢和提、按、顿、挫等状态;最后实时绘制书法作品并渲染书写过程.用户可以随意用文中系统进行书法创作,在三维环境中逼真地展示书法创作的全过程.实验结果表明,所构建的毛笔虚拟模型计算量小、实时性强,创作效果与真实毛笔的书写效果非常接近. 相似文献
4.
时间序列聚类算法及其在手势识别中的应用 总被引:1,自引:0,他引:1
针对中国聋人手势词"语形"是由若干个基本手势组成的特点,本文提出了沿时间轴的贪心聚类算法,并在此基础上给出了一种快速训练算法及快速识别算法.将该算法具体应用到中国手语手势词的识别中,实验结果表明,与HMM相比,该方法不仅在识别速度上有大的改观,而且大大缩短了手势词对应模板的训练时间. 相似文献
5.
图像语义检索的一个关键问题就是要找到图像底层特征与语义之间的关联,由于文本是表达语义的一种有效手段,因此提出通过研究文本与图像两种模态之间关系来构建反映两者间潜在语义关联的有效模型的思路。基于该模型,可使用自然语言形式(文本语句)来表达检索意图,最终检索到相关图像。该模型基于稀疏典型性相关分析(sparse canonical correlation analysis,简称sparse CCA),按照如下步骤训练得到:首先利用隐语义分析方法构造文本语义空间,然后以视觉词袋(bag of visual words)来表达文本所对应的图像,最后通过Sparse CCA算法找到一个语义相关空间,以实现文本语义与图像视觉单词间的映射。使用稀疏的相关性分析方法可以提高模型可解释性和保证检索结果稳定性。实验结果验证了Sparse CCA方法的有效性,同时也证实了所提出的图像语义检索方法的可行性。 相似文献
6.
HMM在语音识别中已得到广泛应用。近年来,HMM方法在手语识别领域越来越受到关注。本文综述了HMM方法在该领域应用的情况,并结合中国手语及其具体特点,对HMM方法在手语识别领域中的应用前景进行了展望 。 相似文献
7.
多层DGMM识别器在中国手语识别中的应用 总被引:4,自引:0,他引:4
手语是聋人使用的语言,是由手形动作辅之以表情姿势由符号构成的比较稳定的表达系统 ,是一种靠动作/视觉交际的语言.手语识别的研究目标是让机器“看懂”聋人的语言.手 语识别和手语合成相结合,构成一个“人-机手语翻译系统”,便于聋人与周围环境的交 流.手语识别问题是动态手势信号即手语信号的识别问题.考虑到系统的实时性及识别效率, 该系统选取Cyberglove型号数据手套作为手语输入设备,采用DGMM(dynamic Gaussian mixt ure model)作为系统的识别技术,并根据中国手语的具体特点,在识别模块中选取了多层识 别器,可识别中国手语字典中的274个词条,识别率为97.4%.与基于单个DGMM的识别系统比 较,这种模型的识别精度与单个DGMM模型的识别精度基本相同,但其识别速度比单个DGMM的 识别速度有明显的提高. 相似文献
8.
基于ANN/HMM的手语识别方法 总被引:2,自引:0,他引:2
1 引言手语是聋哑人使用的语言。它是由手形动作辅之以表情姿势而构成的比较稳定的表达系统,是一种靠动作/视觉进行交际的特殊语言。手语识别系统与手语合成系统,共同构成“人-机手语翻译器”,为聋哑人提供更好的服务。人类交互往往声情并茂,除了采用自然语言(口语、书面语言)外,人体语言(表情、体势、手势)也是人 相似文献
9.
一种基于稀疏典型性相关分析的图像检索方法 总被引:1,自引:0,他引:1
图像语义检索的一个关键问题就是要找到图像底层特征与语义之间的关联,由于文本是表达语义的一种有效手段,因此提出通过研究文本与图像两种模态之间关系来构建反映两者间潜在语义关联的有效模型的思路,基于该模型,可使用自然语言形式(文本语句)来表达检索意图,最终检索到相关图像.该模型基于稀疏典型性相关分析(sparse canonical correlation analysis,简称sparse CCA),按照如下步骤训练得到:首先利用隐语义分析方法构造文本语义空间,然后以视觉词袋(bag of visual words)来表达文本所对应的图像,最后通过Sparse CCA算法找到一个语义相关空间,以实现文本语义与图像视觉单词间的映射.使用稀疏的相关性分析方法可以提高模型可解释性和保证检索结果稳定性.实验结果验证了Sparse CCA方法的有效性,同时也证实了所提出的图像语义检索方法的可行性. 相似文献
10.