基于贝叶斯网络的草图符号识别研究

针对草图识别算法大多通过限制用户绘制习惯来提高识别精确度的问题,提出一种动态构造贝叶斯网络模型的草图符号识别方法。该方法采用了从下而上与从上而下相结合的识别算法。从下而上实现笔画的分割,根据后验概率产生假设模板,继而产生图形模板。在从上而下的处理中,通过假设模板重构实现笔画重组、根据图形模板的空槽实现笔画识别的纠错处理。通过对UM工领域中草图符号的识别,表明算法能在不限制用户绘制习惯的基础上取得较好的识别效果。     

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。     

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.     

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。     

基于ARM的逻辑门电路手绘草图识别

针对电路草图识别主要在计算机上完成以及只能识别电路元件的问题,设计一个在ARM处理器和Linux系统上实现的逻辑门电路草图整图识别系统。采取在线识别的方式对触摸屏上输入的手绘笔画进行分段识别、组合、分类得到门电路的图元,按图元顺序建立图元列表,分割出逻辑门图元组合,重构门电路整图。实验证明该系统对逻辑门电路草图有很高的识别率。     

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.     

基于聚类的在线手绘坐标系识别

本文研究在线手绘坐标系识别问题,讨论如何在在线手绘草图识别中利用聚类分析的方法,通过手绘草图中基本线元的分析、线元的聚类归并以及使用启发式的匹配策略,提出一种高效的基于聚类的在线手绘坐标系识别算法。     

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。     

基于贝叶斯网络的说话人识别研究

基于贝叶斯网络基础理论,并针对与文本无关说话人识别任务,构造了一种用于说话人识别的贝叶斯网络结构,给出了该网络模型的构造和参数估计方法,提出了进行说话人识别时进行推理和分类预测的算法。通过与传统的混合高斯模型(GMM)的实验类比,该贝叶斯网络模型能够在同样的训练和测试数据情况下识别率平均相对提高30％。     

结合改进Surf特征的素描人脸识别

素描人脸识别属于异质人脸识别范畴,是刑侦领域的研究热点。根据素描人脸识别的特点,对已配准的人脸图像进行伪素描转化,并用Surf算法提取伪素描图像对的特征点。对经过提取后的伪素描特征点进行坐标邻域一致性优化,排除坐标邻域相对位置不一致的特征点,最后统计伪素描图像对的有效特征点,以实现识别的目的。利用现有的素描人脸库,进行实验验证,在选取50个特征点时的识别率达到99%,验证了算法的有效性。该算法经优化后,可用于素描人脸识别。     

具有实时反馈的草图交互识别方法

针对同步在线草图识别算法中的效率和应用范围问题,提出基于增量式意图提取的识别算法．算法通过定义滞后窗口,采用增量式意图提取的方式理解用户的勾画意图,进而根据当前信息修正以前生成的意图段落,使得识别结果和用户的勾画意图保持一致．实验证明,该算法能够准确、实时地识别用户输入的多种图形．     

Local context-based recognition of sketched diagrams

We present a new methodology aimed at the design and implementation of a framework for sketch recognition enabling the recognition and interpretation of diagrams. The diagrams may contain different types of sketched graphic elements such as symbols, connectors, and text. Once symbols are distinguished from connectors and identified, the recognition proceeds by identifying the local context of each symbol. This is seen as the symbol interface exposed to the rest of the diagram and includes predefined attachment areas on each symbol. The definition of simple constraints on the local context of each symbol allows to greatly simplify the definition of the visual grammar, which is used only for further refinement and interpretation of the set of acceptable diagrams. We demonstrate the potential of the methodology using flowcharts and binary trees as examples.     

基于神经网络的符号自动识别系统研究

提出了一种新的基于神经网络的目标符号自动识别系统。该系统在图像的二值化处理过程，采用了小波变换的方法，该方法可有效克服噪声的干扰，自动确定灰度图像二值化所需要的阈值。在符号识别部分，采用了双向联想记忆（BAM）人工神经网络技术，通过改进的感知器学习算法，增大了网络的容量，可实现对采集的有污染或缺损符号进行正确识别。仿真实验结果说明，系统具有较强的稳定性和有效性，且易于工程实现。     

超分辨率重建的素描人脸识别

目的 基于学习的超分辨率重建由于引入了先验知识,可以更好地描述图像的细节部分,显著地增强图像的分辨率,改善图像的视觉效果。将超分辨率重建应用在素描人脸识别中,既可以增加人脸图像的质量也可以有效地提高识别精度。方法 首先利用特征脸算法根据素描图像合成人脸灰度图像,然后对合成的人脸图像利用稀疏表示进行超分辨率重建,最后利用主成分分析对重建前后的合成人脸分别进行识别。结果 在香港中文大学的素描人脸库(CUFS)上进行实验。经过超分辨率重建之后的人脸在眼睛等部位细节描述更好。同时,由于重建过程中引入了先验知识,重建之后的素描人脸识别率有提高。支持向量机算法得到的识别率由重建前的65%提高至66%,本文利用的主成分分析算法得到的识别率由重建前的87%提高至89%。结论 基于超分辨率重建的素描人脸识别算法可以有效地改善合成人脸图像的视觉效果并且提高素描人脸识别精度。     

分块LBP的素描人脸识别

目的 素描人脸识别属于异质人脸识别范畴,是刑侦领域的研究热点.根据素描人脸识别的特点,采用分块局部二值模式(LBP)特征,并用AdaBoost算法提取能有效鉴别素描人脸图像和可见光人脸图像对应关系的特征块.方法 对素描图像和可见光图像配准后,进行分块处理,计算每块的LBP直方图,将LBP直方图作为AdaBoost待选择特征.计算素描图像子块与可见光图像子块之间的Log概率统计,利用AdaBoost算法进行特征提取,逐步挑选能有效识别的特征子块,并把这些优选特征子块用于未知素描人脸识别.结果 利用现有的素描人脸库,分别进行非交叉和交叉实验验证,识别率分别达到99％以及100％,证明了本文算法的有效性.结论 该算法经优化后,可用于素描人脸识别.     

基于改进的BP网的图形符号识别

提出了一种改进的 BP人工神经网络的图形识别算法 ,以达到加快识别过程和收敛速度的目的 ,可有效地处理断线、模糊图线、字线粘连等多种退化图纸的情况 ,既可获得线的逼近 ,又使识别具有自学习与自适应的智能性。