东巴象形文字特征曲线提取算法研究

东巴文是一种原始的图画象形文字,要提高东巴文字的识别率,准确提取字符的 特征曲线是关键。现阶段对东巴文字的检索和识别研究大多仍停留在使用已有的、通用的及成 熟的识别技术,对东巴文字本身的分析和讨论较少。因此,结合东巴象形文字的形态特征和结 构要素,给出了基于链码的连通域优先级标记算法(CDPM),该算法通过扩展 Freeman 链码在边 缘检测及曲线局部分割方面的功能,实现了使用一种算法完成轮廓型及结构型两种不同类型东 巴字素的特征曲线提取,通过大量实验及与其他经典边缘检测算法的比较表明,CDPM 算法具 有良好的通用性、可扩展性及健壮性,并且准确率达到了 98.2%,从而为东巴文字的检索和识 别奠定坚实的基础。     

基于ResNet网络的东巴象形文字识别研究

东巴象形文字是古代纳西族创造的文字,是世界文明的瑰宝.针对东巴象形文字传播的局限性,提出了基于图像处理和深度学习识别东巴文字的方法.文章通过构造恒等残差块和卷积残差块来搭建20层ResNet模型,采用随机梯度下降算法反向调整下一轮迭代的卷积层权值,经过训练自动得到图像相关特征参数并进行识别.实验结果表明,该算法识别东巴文字的平均准确率达93.58％,具有较高的识别精度,取得了较好的识别效果,本研究可为东巴文字的保护工作提供参考和方法支持.     

一种改进的基于形状特征保持的QEM简化算法

针对二次误差测度（QEM）简化算法对机械、建筑等CAD模型简化时存在的形状特征容易丢失的不足,提出了一种改进算法。该算法在检测出模型表面的分界轮廓曲线后,将各组成边分成四种类型,并按照尽量避免轮廓曲线上的边被折叠的原则,对各类边采用不同简化策略进行简化。实验结果表明,算法在形状特征保持方面具有较好的效果。     

东巴轮廓型字素可视化部件提取算法研究

东巴文是一种十分原始的图画象形文字,提取东巴基本字素的可视化部件对于设计高效的东巴字识别算法,研究东巴字的结构、笔画、偏旁部首等有着非常重要的意义。因此,以部件表示法为理论基础,结合文字的可视化特征及东巴字特征曲线提取及简化算法给出了适用于东巴轮廓型字素的可视化部件提取算法,该算法简单、直观、易于实现,不仅解决了两类东巴基本字素在整体和局部上的一致性表示问题,还可以有效提高文字识别算法的健壮性和精确度。准确性、健壮性和对比性实验表明,该算法准确性高、健壮性好,具有良好的尺度、平移和旋转不变性。     

基于离散曲率的二次误差度量网格简化算法

为了提高网格简化的图像质量,提出一种基于离散曲率的二次误差度量网格简化算法。在代价函数中引入顶点离散曲率,通过将代价函数作为顶点对的权值来控制顶点对合并次序,更好地保留了原模型的细节特征,同时修改模型特征点与特征线的权值,使得简化过程中原模型的特征点与特征线能够较好地保留。经实验对比与分析表明,该算法有效地提高了图像质量且能很好地保持原模型的图形特征。     

基于特征保持的三角形折叠网格简化算法

针对模型简化过程中出现的特征细节丢失、简化结果过于均匀等问题,文中基于特征保持提出一种改进的三角形折叠网格简化算法。简化前对原始模型中的三角形预分类,简化中以二次误差测度度量简化过程,以三角形狭长度、局部区域面积以及局部区域尖锐度控制三角形简化顺序,对边界三角形和内部三角形采取不同的简化策略,以此保持模型特征和降低算法复杂度。本算法在Visual c＋＋6．0开发环境下,结合OpenGL编程语言实现。实验结果表明,改进算法采用延迟简化特征区域及形状好的三角形的方法,有效地保持了模型原始特征,且简化速度较快。     

基于尖特征度的边折叠简化算法

目前存在的自动曲面简化算法在低分辨率的状态下往往忽略模型的重要几何特征,如尖角或者曲率大的区域,从而导致视觉上的退化.在Garland简化算法的基础上,引入尖特征度的概念,并将其加入到误差测度中,从而改变了边折叠顺序.简化模型不仅保留了模型的重要几何特征,而且合理分配三角网格,在曲率大的区域稠密,在平坦区域稀疏,简化效果更好.     

曲线的特征识别方法研究

通过相应法则提取曲线的特征极值,突出了曲线的特征位置,并且极大地压缩了待判曲线以及模板的数据量,提高了识别速度.结合归一化调整以及特征段幅度等算法,有效地克服噪声的干扰,准确识别待判曲线,具有较高的识别效率.实验结果证实了该方法的有效性和稳定性,识别率高,识别速度快,满足实时识别要求.     

基于拓扑特征的纳西东巴文象形文字输入方法研究

纳西东巴文字是一种比甲骨文还要原始的图画象形文字,该文针对大量纳西经典古籍资料需要录入、整理、分析的需要,设计一种普通用户即可使用的基于拓扑特征的输入方法。首先针对纳西东巴象形文字的1 561个基本字形的五个拓扑特征-块数、孔数、端点数、三叉点数和四叉点数进行了统计和分析,然后基于Java程序结合TTF字库文件进行了测试,证明了该方法可行。统计结果表明,50%以上的纳西东巴象形文字通过这五个特征可以唯一识别,80%以上的东巴文字通过该方法识别时重复数不高于4,人工输入、识别的效率较高,为纳西东巴象形文字的输入方法提供一种新的思路。     

一种随机采样的特征保持的网格简化算法

提出了一种局部几何特征驱动的随机采样的网格简化算法。该算法首先计算模型中每个三角形的局部几何特征值,根据定义的概率分布函数随机确定每个三角形被选择的概率。然后对选择出的三角形进行三角形折叠,根据折叠前后网格体积变化最小这一准则来确定新生成的顶点的位置。实验证明该算法不仅能使简化前后的模型的体积变化较小,还能有效地保持模型的细节特征。     

基于分层曲线简化的运动捕获数据关键帧提取

引入骨骼夹角作为运动特征,并以此确定候选关键帧;采用分层曲线简化算法精选候选关键帧获得最终关键帧集合;通过对算法参数自适应调节,以满足不同压缩率要求.实验结果表明：该算法具有良好的数据压缩效果及较强的运动概括能力,并在一定程度上保证了同类相似运动间关键帧集合的一致性.     

基于结构简化的BP网络的多类形状识别

BP算法是目前应用极为广泛的神经网络算法,但它也存在一些不足。文中提出了一种使BP网络结构简化的改进的BP算法,它使得网络的速度得到了提高,减少了迭代次数。最后将传统的BP算法和改进的BP算法进行了比较,仿真结果表明改进的算法在学习次数和收敛速度上比传统的算法有很大的改善。     

视觉特征保持的网格模型简化算法

针对二次误差测度算法存在几何特征消失等缺陷,提出了基于顶点视觉特 征度的新的网格模型简化算法。该算法采用半边折叠,通过引入顶点视觉特征度来优化了二 次误差测度,从而改变边折叠的顺序,使模型中的突出视觉特征更多的被保留下来。视觉特 征度通过顶点平均曲率熵来定义,它反映了顶点中心区域的视觉变化情况。实验表明,该算 法高效、可靠、能很好保持模型的视觉特征。     

基于形状特征与变形保持的动态模型简化

提出了一种基于形状特征与变形区域保持的动态表面多分辨率模型生成方法.该方法使用了基于形状特征的二次误差度量来计算边折叠代价,可以较好的保持模型表面特征.在计算整个变形动画中累加的边折叠代价时,加入相邻帧之间的变形程度信息,以保持变形程度较大区域的细节特征.最后基于整体的边折叠顺序,对每一帧模型进行细微的调整,以得到视觉失真最小的简化网格.文中方法的效率较高,易于实现,并且可以在变形网格的任意帧上生成高质量的、保持良好细节特征的简化模型.     

Bezier曲线反求参数算法的研究

Bezier曲线在工程领域有着广泛的应用,针对某船体外型修正软件中存在的原外型与参数曲线光滑衔接及获取参数和斜率的问题,提出了一种已知轴坐标反求Bezier曲线参数的快速高效算法,应用该算法,避开了对高次方程求解时时间复杂度高甚至无解的弊病,并由此设计了一种新型曲线绘制方法,具有广泛的工程应用价值.