基于深度学习的手绘草图识别

现有的手绘草图识别方法严重依赖于费时费力的手工特征提取,而经典的深度学习模型主要是为彩色多纹理自然图像设计,用于识别手绘草图时效果不甚理想。本文提出了一种基于深度学习的手绘草图识别方法(Deep-Sketch) ,该算法根据手绘草图缺失颜色、纹理信息的特点,使用大尺寸的首层卷积核取代自然图像识别中常使用的小尺寸首层卷积核,获得更多的空间结构信息。利用训练浅层模型获得的模型参数来初始化深层模型对应层的模型参数,以加快收敛,减少训练时长。加入不改变特征大小的卷积层来加深网络深度等方法以减小错误率。实验结果表明,本文所提出的方法较之其它几种主流的手绘草图识别方法具有良好的正确率,对250类手绘草图识别正确率达到69.2%。     

草图——无纸化设计时代的理性再认识

虚拟现实、无纸化设计的时代似乎已经到来,数字技术带来的设计“异化”和承传的手绘技能共同摆到了设计教学面前。时下,两者孰轻孰重,对手绘草图的重新再认识显得尤为重要,本文从手绘的理性感受和培养学生创造性思维的角度、认为今天的设计教学徒手草图训练十分必要、不可或缺。     

混合跨域神经网络的草图检索算法

基于草图的跨域图像检索任务以手绘草图为输入,从彩色图像数据库中检索得到最相似的图像。为了在基于草图的图像检索任务中,更好地融合来自草图和彩色图像的特征,本文提出了用于草图检索任务的混合跨域神经网络,由草图特征提取分支与异构特征融合的彩色图像网络分支组成。该网络提取获得手绘草图、正负样本彩色图像及其边缘轮廓的特征表示,并将彩色图像及其草图近似图(即彩色图像的边缘轮廓)进行特征融合,作为彩色图像特征,弥补了手绘草图与彩色图像直接匹配的跨域差距。通过对网络模型的参数与网络结构等方面探索,进一步优化草图检索算法。在Flickr15K草图检索数据集上的实验结果表明,本文提出的方法优于当前其他先进的草图检索算法,在检索平均精确度这个客观指标上达到了0.584 8,相比其他方法中指标最优的值提升了0.052 2。     

基于SURF算法的服装视觉图像检索研究

提出了基于SURF算法的服装视觉图像检索系统,使用实时、丰富的移动视觉图像进行服装信息的检索.首先对移动端视觉图像进行预处理,然后利用SURF算法完成服装视觉图像特征检测、特征信息描述和特征匹配,从而完成检索.对SURF-36,SURF-64和SURF-100描述向量的匹配效率、匹配准确度等方面进行试验.结果表明,SURF-64能够在效率与准确度之间达到很好的平衡,较快、较好地完成服装视觉图像的检索.     

基于全局显著性检测的手绘草图图像检索

提出一种基于全局特征图像显著性的手绘草图图像检索算法。首先利用图像分割方法获得若干分区,再计算各分区的彩色稀疏直方图,然后利用直方图计算各个分区的颜色对比度。通过剔除对比度低的若干分区从而获取显著目标,将显著目标所在区域按比例分块,保存每个分块的平均灰度和空间关系,作为待搜索的特征数据。搜索过程是将手绘轮廓填充后提取特征数据与保存的特征数据按分块计算灰度的差异,并结合空间权值进行累加。最后将结果排序,值越小则相似度越高。     

基于设计认知的草图研究综述

为明确概念设计过程中设计师利用草图加工信息的特征,帮助深入理解设计创新的本质,从草图概念特征、草图认知、草图研究方法、计算机辅助草图设计技术4个方面进行了综述.总结了草图的基本概念和作用,分别指出思维、交流、存储3种类型草图的特征.在概括设计认知状态性演化进程的前提下,描述了设计师在读、写草图时认知活动的基本过程.在分析草图认知与设计创新之间关系的基础上,提出以设计师需求为导向的计算机辅助草图设计系统在人机交互符号系统以及全流程支持方面应具备的基本条件.从方法论角度对草图研究中的实验数据收集和加工进行回顾,介绍了计算机辅助草图设计技术在促进设计思维方面的进展.     

试论手绘服装效果图在服装设计中的重要作用

手绘服装效果图是服装设计者与他人沟通设计意图的工程技术语言.本文从现代手绘服装效果图对表达设计意图、表现结构和工艺、提高设计者的艺术修养和提高审美能力等方面的作用进行了论述,强调了手绘效果图在服装设计中的重要性.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

试论手绘服装效果图在服装设计中的重要作用

手绘服装效果图是服装设计者与他人沟通设计意图的工程技术语言。本文从现代手绘服装效果图对表达设计意图、表现结构和工艺、提高设计者的艺术修养和提高审美能力等方面的作用进行了论述,强调了手绘效果图在服装设计中的重要性。     

草图校正的研究与实施

总结了校正的常见内容，并对各内容进行了归纳与分析，把校正问题概括为“由动点引起运动”的问题，从而避免了校正内容的杂乱，设计出具有一定通用性的校正方案。该方案利用图来描述图形实体的相互约束有一定通用性的和动态迭代法来处理动边变动对已有约束的影响。系统记录各各咬合点，全局遍历结构约束图中的咬合点，局部校正各动边。     

一种基于改进SURF的视频DNA生成算法研究

为有效提高视频内容管理的准确性和高效性,本文借鉴生物信息学的方法,提出了一种降维改进的SURF算法和K-means算法相结合的视频DNA提取算法。该算法通过提取关键帧的SURF特征得到特征点集合,并对其进行K-means聚类构建视觉词袋模型,并将SURF特征通过视觉词袋模型量化为视觉词汇,并最终编码生成视频DNA。实验结果表明,采用改进的SURF算法生成的视频DNA具有良好的准确性和鲁棒性,并能在时间开销方面得到一定的提高。     

基于意象认知模型的汽车草图设计技术研究

产品意象认知模型阐明了消费者情感需求与产品造型之间的关系.运用专家访谈、影响汽车外观造型特征的眼部跟踪观察实验、影响产品意象认知的造型特征提取实验、关键造型特征与产品意象认知关系之量化实验等多实验的方法，建立了基于特征匹配的产品意象认知模型.基于该意象认知模型，开发了汽车草图设计原型系统，消费者只要输入意象词汇，就可以得到一组具有该意象的草图设计方案；设计师在计算机中描绘简单的造型特征，系统就可以自动给出该草图相应的意象.     

基于多特征非线性融合的草图-图像检索方法

草图-图像检索属于计算机视觉领域的跨域检索问题,由于草图的简单性和抽象性,导致其与自然图像的域间差异过大,至今其检索精度仍无法满足现实需求。本文提出了一种基于多特征非线性融合的草图-图像检索方法,非线性融合草图的形状特征和具有语义特性的深度特征,形成新的图像特征表示。该融合策略结合了两类特征的优点,既能有效刻画草图的边缘轮廓信息,又能兼顾语义信息。最后在两个公开数据集（Flickr15k和TU-Berlin）上进行实验,其结果显示本文提出的特征融合方法得到的检索效果优于其他融合方法和基于单一特征的方法。另外,本文提出的融合策略易于扩展到其他多特征融合情况。     

基于BP神经网络的草图编辑手势识别

针对概念设计以及工程草图设计过程中,用户的草绘编辑修改行为进行了初步研究,目的在于能够设计出一套符合用户设计习惯的编辑手势.然后尝试采用基于BP神经网络的方法对其进行识别,以实现计算机对草绘设计行为的准确理解以及草图的快速编辑修改.实验结果表明,提出的方法具有较高的识别效果,加快了概念草图的设计过程.     

丝绸手绘的魅力

通过对丝绸手绘的历史、特点、表现技法、工艺技术等几方面的探索 ,阐述了丝绸手绘所具有魅力。     

CAID中由透视草图重建三维模型的算法研究

研究了计算机辅助工业设计中由透视图重建三维模型的算法。研究的目的是实现透视图的数字化，即由计算机自动或半自动地识别工业设计师绘制后扫描输入计算机的或利用数字化输入设备输入计算机的产品透视图，得出产品的三维数字模型。从而为工业设计师提供更方便的设计辅助手段。以射影几何、透视理论的基本原理为基础，探讨了根据平面立体，二次曲面及自由曲线的透视草图重建三维几何模型的若干问题。给出了用计算机进行平面立体，二次曲面及自由曲线的透视图数字化算法，为开发实现由透视图重建产品模型的软件提供了理论基础。最终将通过开发相应软件有利于工业设计师进行更好的创意。     

SolidWorks约束与草图自由度的关系

以SolidWorks设计系统为例，探讨约束与草图自由度之间的关系，介绍约束对草图自由度的限制情况，并以具体的实例加以分析；另外提出了分析约束与草图自由度关系时应注意的问题．     

设计草图--设计的原创

论述了信息电脑时代设计草图的功能与现实意义,介绍了设计草图的特点和绘制手段等,强调思维的能动性,提倡设计的原创精神。     

一种手绘圆的快速识别算法

提出一种手绘圆的快速识别算法,该算法采用像素跟踪方式,通过提取和跟踪圆的骨架像素得到圆片段的直线段序列,然后进行直线段序列的分解和合并处理,把属于同一圆的直线段序列连接起来,进而计算圆的几何参数,完成手绘圆的识别.与Hough变换方法相比,该算法不需要大量的计算时间和存储空间.实验结果表明,该算法能快速、准确地识别出手绘图形中的圆,具有良好的稳定性和鲁棒性.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。