基于绘画时序的双层次笔画线条简化方法

虽然有电子画笔的帮助,将线条草图手动重画为干净的线条画依然耗费艺术家大量的时间,严重影响了创作效率.利用笔画的绘画时序,把简化模型从单一的空间关系提升到时间先后关系和笔画修改关系,提出一种双层次的笔画线条简化方法.在绘画过程中实时记录笔画线条的位置和顺序,根据空间信息和时序关系局部地进行线条初步聚类;然后通过修改关系图进行全局的线条类间修改关系分析,理解艺术家的绘画意图,最终合并得到简化结果.实验结果表明,文中方法能够充分利用绘画时序分析绘画意图,实现复杂线条草图的笔画线条自动简化,并通过效果对比展示了该方法的有效性和鲁棒性.     

三维建筑模型的规则化重构方法

基于无人机照片的倾斜摄影测量技术能够快速重建大量三维建筑模型;但这些模型数据量大、噪声多,极大阻碍了在智慧城市中的应用.针对倾斜摄影测量重建的三维建筑模型屋顶重建精度较高的特点,提出一种基于屋顶轮廓线的三维建筑模型规则化重构方法.首先分割屋顶并提取屋顶的外轮廓线;接着通过改进的平面拟合提取屋顶的内轮廓线;然后由屋顶内外轮廓线进一步拟合出屋顶平面几何基元;最后,针对屋顶中太阳能、烟囱等的非平面部分,进行补充规则化处理,重构出数据小、噪声少的三维建筑模型.本文方法能够将三维建筑模型自动地重构为规则的建筑体,不依赖用户交互和先验信息.大量实验证明了本文方法的有效性、高效性和鲁棒性.     

基于古代绘画的古诗自动生成方法

中国题画诗是世界艺术史上一种极为特殊的艺术形式,它结合了中国古代文学和美术,诗与画相得益彰、浑然一体.为实现计算机为画题诗的功能,提取和使用古代绘画的多句现代文描述,提高古诗对绘画的文学表达能力,提出一种基于古代绘画的古诗自动生成方法.首先根据古画建立多句现代文标注数据集,然后通过改进的图像描述方法提取古画语义特征得到多句现代文描述,最后通过双向LSTM编解码框架将这些现代文描述转化为律诗.针对宋代小品画的实验表明,所提方法生成的古诗前后连贯、押韵规律,符合古画原有的内容且符合上下文语境;用户调查评估结果表明了该方法的有效性,其内容一致性和总体满意度等指标均优于基于关键词的方法.     

提示笔刷的数字油画画布自动生成

传统的数字油画画布由区域边界线条和指定颜料数字构成,绘画者仅需在每个区域 内部涂上与数字对应的颜料即可完成自己的手绘作品,是一种流传广泛的新艺术形式。然而,这 些画布不仅需要专业人员花费大量时间设计,且无法提示笔刷的方向和大小,影响绘画的效果。 为此,提出一种提示笔刷的自动生成方法,将任意图像转换为数字油画画布的同时,利用方向场 流线合理提示出笔刷的宽度、长度和方向。实验结果表明,该方法生成的数字油画画布线条封闭 光滑,数字清晰可辨,笔刷提示流线对绘画效果有明显的改善。     

基于增强现实的地下管线真实感可视化方法

为便于城市地下管线的铺设与维护,提出一种基于增强现实的地下管线真实感可视化方法,将原本不可见的虚拟地下管线真实地呈现在视频画面中.首先将屏幕空间分割为对地下管线具有不同遮挡语义的4个区域;然后借鉴工程图学中的剖视图方法,采用沿地下管线走向的坑道式剖切和地表面的竖直剖切方法来展示被遮挡的地下管线;进而根据画面的遮挡语义,运用视频中地表遮挡物和地下管线的重要视觉特征,揭示地下管线与地表物体之间的正确遮挡关系;最后利用渐变融合对地下隐藏信息与真实场景视频进行合成.实验结果表明,该方法不依赖于三维场景的精确几何重建,可在GPU上实时实现.     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。     

基于手绘轮廓图的移动端图像检索

针对传统利用图像特征信息进行图像检索中难以从语义层次上理解图像相似性的问题,基于深度学习框架,提出一种结合类别分类和精确特征匹配的基于手绘轮廓图的移动端图像检索方法.首先在预处理阶段建立具有输入层、隐藏层以及Softmax输出层的神经网络分类模型,并利用训练数据集对模型进行训练,使其不断优化网络结构权值,实现输入图像的分类预测并提取分类图像标签;然后利用VGG16模型与ResNet50模型分别提取各个分类图像集下的精确特征,得到精确特征向量;最后将归一化并经组合后的特征向量与各个分类图像标签建立映射关系,实现移动端图像检索.采用移动端-服务器架构,用户在移动端输入手绘轮廓图后,系统进行自动预处理并与图像服务器实现交互,图像服务器进行分类预测和精确特征匹配得到检索结果,移动端展示最终检索结果.基于Keras深度学习开发框架,结合VGG16模型与ResNet50模型,实验结果表明,该方法能够根据手绘轮廓图高效、便捷地检索得到目标图像.     

基于全局配准累积误差极小的人体RGB-D数据三维重建

针对RGB-D扫描数据获取和人体三维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型三维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于三维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体三维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的三维人体,而且重建生成的三维人体测量尺寸与真实人体尺寸之间的误差较小.     

基于镂空标志的保结构增强现实标志隐藏方法

标志是室内增强现实应用中广泛使用的相机定标辅助工具,但标志的出现降低了虚实融合的真实感,极大地影响了增强现实画面的和谐度.基于图像修复的标志隐藏方法能够修复去除标志后的画面空洞,但大面积的图像修复往往难以无缝衔接背景的结构特征.为此,设计了一种镂空标志,将传统标志中与定标无关的区域镂空,以减少图像修复区域的面积;并提出一种基于镂空标志的增强现实标志隐藏方法,充分利用镂空标志镂空区域中的背景结构信息,通过一种先修复结构再修复其他区域的保结构图像修复方法,达到快速、无缝的标志隐藏效果.通过ARToolKit增强现实平台和自建测试背景进行实验,结果表明,增强现实标志隐藏方法修复误差小且不影响摄像机的定标精度,弥补了现有方法因大面积图像修复所导致的破坏背景结构特征的不足.