基于FPGA的液晶屏触摸控制IP核设计

围绕液晶屏触摸控制器的控制方法,以液晶屏触摸控制器TSC2046为对象,讨论了软件控制触摸屏的编程特点。针对软件编程的缺点,设计了基于FPGA的触摸屏控制硬件实现IP核方案,并以ALETRA公司的FPGA为控制平台,验证了该设计方案。该IP核能够稳定、高速的管理触摸屏的触摸中断和坐标读取,节省了软件资源。     

开圆弧样条的保形插值算法

提出一种G1圆弧样条插值算法.该算法选取部分满足条件的型值点构造初始圆,然后过剩下的型值点分别构造相邻初始圆的公切圆.在此过程中,让所有型值点均为相应圆弧的内点,且每段圆弧尽量通过2个型值点.在型值点列满足较弱的条件下,曲线具有在事先给定首末切向的情况下圆弧总段数比型值点个数少且保形的特点.     

基于分层学习的三维模型兴趣点提取算法

针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.     

基于权重能量自适应分布的三维形状分割算法

针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

基于最小面积差的三维模型简化算法

文章提出了一种基于面积误差度量下的三维网格模型简化方法。该方法通过极小化误差目标函数来简化三角网格模型。算法首先对边遍历,计算每条边的最小面积差;然后对面积差最小的边进行折叠;最后通过求解折叠边的最小面积差,确定新点的坐标。实验结果表明,该算法不仅可以反映局部表面几何变化,还可使模型仍具有较高保真度。最后用实例说明了该方法的有效性。     

测地环的实时计算与交互选择

针对测地环在模型分割等应用中的实时性和交互易用性的要求,提出一种基于测地环与测地Morse-Smale鞍点之间的内在联系的快速测地环算法.首先利用快速前进法计算以曲面上给定点为源点的测地距离场;然后对于距离场中的每一个测地Morse-Smale鞍点,追踪出其对应的测地环;最后给出2种测地环交互的方式:借助人工交互选出与笔画轨迹最匹配的测地环,基于与模型凹陷特征的匹配程度自动选出最佳测地环.通过大量的实验结果,展示了该算法的有效性和有用性.     

基于局部稀疏表示的三维模型识别算法

为了对未知分类信息的三维模型进行分类,提出三维模型分类识别算法.首先以改进的形状直径函数(shape diameter function,SDF)特征描述符为基础对所有三维模型提取特征向量,并将未知分类信息的三维模型作为测试模型,在已知分类的三维模型数据库中找到与测试模型最相似的k个模型;然后在这k个模型中利用稀疏表示分类方法对测试模型进行识别;最后确定测试模型在三维模型数据库中的分类信息.实验结果表明,该算法简单且易于实现,具有较高的识别准确率及较强的鲁棒性.     

一种基于块匹配的自适应快速运动估计算法

块匹配运动估计算法是实时视频编解码技术的研究重点.为降低视频编码中运动估计的计算复杂度,考虑到现实序列运动矢量的分布存在方向性,文章提出了基于块匹配的自适应快速运动估计算法.该算法在运动估计的初始阶段,利用相邻宏块间的空间相关性来预测初始搜索点的位置,使搜索起点更接近理想的最优匹配点;在搜索过程中引入具有方向特征的非对称十字形搜索模型,加快了搜索速度.实验结果表明该算法具有很好的性能.     

基于SOPC技术的车牌识别系统设计

可编程片上系统（SOPC）是Altera公司提出的一种灵活、有效的片上系统解决方案，为构建实时、便携的车牌自动识别系统提供了较好的解决途径。本文以Nios Ⅱ嵌入式软核处理器为核心，通过IP核复用技术，内嵌MicroC／OS-Ⅱ操作系统，实现车牌自动定位与识别的片上系统设计。介绍了系统的基本功能与硬件设计，以及车牌定位分割与字符识别算法的实现。测试结果表明．该系统具有集成度高、可靠性好、车牌识别误差低等特点。     

基于纹理自适应全变分滤波的图像分块压缩感知优化算法

图像分块压缩感知重构模型通过分块方式解决了压缩感知中观测矩阵过大带来的计算复杂度较高和存储空间较大的问题,但分块重构时会产生块效应,其需要通过去块效应滤波加以消除。现有的滤波方法并未考虑图像纹理细节恢复问题,造成了重构质量的降低。为解决该问题,首先提出了一种基于灰度熵的纹理自适应采样方法。随后分析了分块压缩感知中块效应的产生和经自适应采样后块效应得到缓解的原因,并将全变分滤波引入到图像分块压缩感知平滑投影迭代重构过程之中,提出了一种基于图像分块纹理信息的双树离散小波硬阈值滤波和全变分滤波的自适应加权滤波模型,用其取代原平滑投影迭代算法的滤波过程,在自适应采样缓解块效应的基础上,更有效地保存图像的细节信息。仿真实验表明,与多种已有方案相比,该方案可显著提升重建图像的主客观质量,同时可有效保留图像的纹理细节。