基于特征点检测的最佳视点选择方法

针对三维模型视点选择问题,提出了基于特征点检测的最佳视点选择方法。算法首先根据三维网格模型的顶点邻接区域信息计算顶点的局部高度,即顶点的显著度大小;然后基于顶点的局部高度值大小,结合非极大值抑制算法进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布信息,计算视点质量,从而筛选出最佳视点。实验结果验证了基于特征点检测的三维模型视点选择方法的合理性和优越性,所选择的最佳视点能够提供三维模型较多的几何结构和视觉特征信息。     

基于距离直方图的最优视点选择

基于物体内蕴几何量,提出一种观察三维物体的最优视点选择方法.首先在三维物体表面均匀采样获取采样点,并计算物体形心,然后利用采样点到物体形心的距离来构造距离直方图,最后计算距离直方图的Shannon熵并将其作为衡量视点优劣的标准.根据认知心理学理论,最优视点是存在的,也是恒定的,故文中视点在包围球上选取.实验结果表明,采用该方法获得的最优视点能观察到三维物体更多的功能结构和更显著特征,与其他方法相比更符合人类的感官选择.     

浮雕显著性信息熵驱动的三维模型最优视点选择

在三维模型最优视点选择中,将模型的浮雕显著性信息度量引入模型视点互信息的信息熵分析,提出一种结合视觉显著性的模型视见描述子刻画方法.针对模型视点球的各个视点计算模型可见面片浮雕显著性信息熵驱动的视见描述子,并从中选择视见描述子值最大的视点作为模型的最优观察视点.实验结果表明,由该方法获取的最优视点得到的视图能够反映和展示三维模型的视觉显著特征.     

一种基于视点距离的三维模型特征提取算法

如何对三维模型进行特征提取是近年来出现的三维模型检索中的主要问题.文章给出了一种基于视点距离的特征提取算法,该算法利用正规化后的三维模型表面到观察点的距离信息生成六幅距离图像,然后对图像进行二维傅立叶变换并对变换后的频域信息进行低频采样从而得到三维模型的特征向量.该算法克服了基于三维投影的二维图像轮廓算法中丢失模型空域信息、缺乏对图像内部信息进行描述的缺点.实验结果表明,该算法比基于轮廓算法的检索精确度提高了19%.     

基于感知的视点自动选取

为了在三维模型浏览系统中自动选取一个好的视点,使用户能够更有效地获取模型信息,提出一种自动视点选取算法.该算法基于视点信息熵理论和人眼的视觉感知理论,构建出一个与视点相关的模型视觉特征度量函数,并采用类随机梯度下降法来优化求解该目标函数,得到该度量标准下的最佳视点.实验结果证明,与已有算法相比,采用文中算法自动得到的最...     

基于粒子群的三维可视化视点优化方法

通常三维可视化的最佳视点选择是通过人工试探,这样会导致反复迭代尝试的次数增加且效率低下,针对上述问题提出了一种基于粒子群的视点优化方法。该方法把视点利用多分辨率层级来表示,引入图像信息熵评价不同视点下绘制的三维图像的质量,熵值作为视点优化的依据和粒子群的适应度函数值。在三维可视化中利用粒子群算法进行视点的智能、自动的优化,从而实现最佳视点的选择。实验结果表明,该方法具有较快的收敛速度,有效地减少了评估次数,可提高三维可视化的绘制图像的质量和绘制效率。     

特征自适应的三维模型最优视点提取

针对目前采用不同几何特征度量的视点优化算法在普适性方面的局限性,提出一种与三维模型特征相适应的视点优化算法.首先提取三维模型混合特征,采用AdaBoost分类器对三维模型混合特征与相适应的视点计算算法进行匹配关系训练学习,构造最优视点分类器以提取最优视点,即将最优视点提取问题转化为分类问题;对于查询模型,通过训练后的最优视点分类器获得适应模型特征的视点优化算法,并计算模型的最优视点.实验结果表明:该算法有效反映三维模型的结构特征和细节,结果优于单一度量视点提取算法.     

视点选择Benchmark 的设计与应用

视点选择是图形学的一个重要研究方向,它通过分析模型特征,计算得到符合人类观察习惯并包含更多模型重要信息的视点.近年来,人们提出了很多视点选择算法,然而对这些算法结果的评价仍然停留在感性阶段.设计实现了一个视点选择Benchmark,对视点选择结果进行量化分析:首先,采集30 个测试者对45 个模型的视点选择结果,借以确立真人视点选择的基准视点;接着,以基准视点为参考,分析真人视点选择的一致性和稳定性;最后,应用5 个(共3 类)代表性的算法进行视点选择,并比较其结果与基准视点的差别,得到各视点选择算法的质量及时间效率.实验结果表明,真人视点选择整体具有较好的一致性和稳定性,但对不同特征类型模型,一致性的表现有较大差异;已有视点选择算法对45 个测试模型的结果整体差异不大,相对来说,基于互信息的方法和视平面上特征计算的方法较好,各类视点选择算法对不同特征类型模型结果互有优劣.     

基于特征包围盒模型的装配诱导信息自适应显示方法

为在屏幕上合适的位置、以合适的视角显示三维装配诱导信息,提高诱导信息的信息量和立体感,提出一种基于零部件CAD特征包围盒模型的装配诱导信息自适应显示方法,包括屏幕显示区域自适应选择算法和最优视点选择算法.在屏幕显示区域自适应选择算法中,首先将屏幕区域划分成栅格,然后计算CAD特征包围盒顶点的屏幕坐标,并判断各屏幕栅格是否被包围盒占用,最终将屏幕上未被包围盒占用的最大连通区域作为屏幕非焦点区域,用于显示诱导信息.在最优视点选择算法中,利用CAD特征包围盒模型提出了一种综合考虑视图投影面积和立体特性的视点信息度量算子.实验结果表明,文中方法能够实现三维装配诱导场景屏幕显示区域及视点的在线选择,具有一定的智能性和通用性.     

基于深度加权法向映射的三维模型检索

提出一种基于深度加权法向映射的三维检索算法,从归一化处理后的物体形状出发,计算关于视点方向的深度加权表面法向统计分布,并将该分布沿视点方向作球面调和分析得到深度加权法向映射特征,通过比较该特征的距离来度量任意三维模型之间的相似性。     

3维模型局部高度研究

提出一种新的3维模型的特征点检测算法。该算法可以作为其他许多3维模型处理技术的预处理操作(如模型简化、模型匹配、视点选择等)。与其他3维模型特征点检测算法相比,该算法具有两个特点： 1)引入一种新的显著性度量方法——“局部高度”,而不是传统的曲率。认为3维模型表面某点的视觉重要性(即显著性)是由它所在位置的凸起程度来刻画,而不是该点所在位置的弯曲程度所决定,因此,提出局部高度这种新的显著性度量方式。 2)基于局部高度,引入Mean Shift算法这种非参数化的概率密度估计方法来对3维模型表面的局部高度分布进行聚类分析,然后计算出3维模型的特征点。实验结果表明,该算法能够很好地捕捉视觉上显著的3维模型特征点,且在不同分辨率下均有稳定的表现。     

自动特征选择和加权的图像显著区域检测

视觉显著性度量是图像显著区域提取中的一个关键问题,现有的方法主要根据图像的底层视觉特征,构造相应的显著图。不同的特征对视觉显著性的贡献是不同的,为此提出一种能够自动进行特征选择和加权的图像显著区域检测方法。提取图像的亮度、颜色和方向等特征,构造相应的特征显著图。提出一种新的特征融合策略,动态计算各特征显著图的权值,整合得到最终的显著图,检测出图像中的显著区域。在多幅自然图像上进行实验,实验结果表明,该方法在运算速度和检测效果方面都取得了不错的效果。     

显著度可控的DEM地形特征线提取

目的 基于数字高程模型（DEM）的地形山脊线和山谷线提取对地形模型简化、基于样本的地形合成和地形地貌研究有重要意义,针对许多传统算法无法对所提取特征线的显著度进行方便准确的控制,以及不支持环形特征线提取的问题,提出一种新的显著度可控的DEM地形特征线提取算法。方法 首先利用全局断面扫描算法提取特征点并计算各特征点的显著度,然后根据特征点的特征方向进行特征延伸以增强特征连通性,接着采用改进的Hilditch细线化算法对特征点集合进行细线化处理,之后为相邻特征点添加特征边,构成特征图,利用环路检测与破环算法检测特征图中的环路,并破除冗余小环路,最后根据分支显著度的相似度和分支方向一致性进行特征图分解,计算分解得到特征线的显著度并筛选得到最终特征线。结果 使用真实DEM数据提取最显著的若干条特征线,与现有的基于特征显著度的地形特征线提取算法进行对比,本文算法对特征图的分解能够更准确地提取主干特征线,而基于显著度的特征线筛选控制也更加准确合理。对提出的环路检测与破环算法进行实验验证,该算法能保留大的山脊线环路,破除小的冗余环路。结论 实验结果表明,本文算法能有效实现显著度可控的山脊线和山谷线自动提取,提取结果与人眼观察结果基本一致,同时能够支持含有环形特征的地形。     

Category‐Specific Salient View Selection via Deep Convolutional Neural Networks

In this paper, we present a new framework to determine up front orientations and detect salient views of 3D models. The salient viewpoint to human preferences is the most informative projection with correct upright orientation. Our method utilizes two Convolutional Neural Network (CNN) architectures to encode category‐specific information learnt from a large number of 3D shapes and 2D images on the web. Using the first CNN model with 3D voxel data, we generate a CNN shape feature to decide natural upright orientation of 3D objects. Once a 3D model is upright‐aligned, the front projection and salient views are scored by category recognition using the second CNN model. The second CNN is trained over popular photo collections from internet users. In order to model comfortable viewing angles of 3D models, a category‐dependent prior is also learnt from the users. Our approach effectively combines category‐specific scores and classical evaluations to produce a data‐driven viewpoint saliency map. The best viewpoints from the method are quantitatively and qualitatively validated with more than 100 objects from 20 categories. Our thumbnail images of 3D models are the most favoured among those from different approaches.     

基于侧影轮廓的三维模型快速重建

提出一种基于侧影轮廓进行三维模型重建的新方法,将传统的三维锥形交叉问题转换成二维轮廓交叉问题。首先,将不同视角下的二维侧影轮廓反投影到若干个平行的三维平面上,然后在三维平面上计算所有反投影轮廓的交叉轮廓,最后对相邻三维平面上的交叉轮廓进行匹配并重建物体的表面。理论分析和实验结果表明该算法的时间复杂度和视角数目呈线性关系。由于该方法主要以增加视角数目来提高模型的精确度,所以比三维锥形交叉的方法能更快速地重建物体精确的三维模型。     

融合双目多维感知特征的立体视频显著性检测

目的 立体视频能提供身临其境的逼真感而越来越受到人们的喜爱,而视觉显著性检测可以自动预测、定位和挖掘重要视觉信息,可以帮助机器对海量多媒体信息进行有效筛选。为了提高立体视频中的显著区域检测性能,提出了一种融合双目多维感知特性的立体视频显著性检测模型。方法 从立体视频的空域、深度以及时域3个不同维度出发进行显著性计算。首先,基于图像的空间特征利用贝叶斯模型计算2D图像显著图;接着,根据双目感知特征获取立体视频图像的深度显著图;然后,利用Lucas-Kanade光流法计算帧间局部区域的运动特征,获取时域显著图;最后,将3种不同维度的显著图采用一种基于全局-区域差异度大小的融合方法进行相互融合,获得最终的立体视频显著区域分布模型。结果 在不同类型的立体视频序列中的实验结果表明,本文模型获得了80%的准确率和72%的召回率,且保持了相对较低的计算复杂度,优于现有的显著性检测模型。结论 本文的显著性检测模型能有效地获取立体视频中的显著区域,可应用于立体视频/图像编码、立体视频/图像质量评价等领域。     

Backlight dimming based on saliency map acquired by visual attention analysis

Displays have been used in various applications from mobile phones to tablets, and the low power consumption is one of their most important factors. Backlight dimming is the most promising technique to achieve this because it significantly reduces the display power by controlling only the transmittance of liquid crystal. This paper proposes a new backlight dimming algorithm using visual attention analysis. Conventional algorithms have a serious saturation error in some images when performing backlight dimming, thereby degrading image quality. In contrast, the proposed algorithm analyzes image characteristics based on the saliency map, which considers human visual attention. It then truncates the meaningless information of the saliency map using an adaptive saliency level selection approach and calculates the maximum amount of saturation error that humans will not perceive. In addition, the proposed algorithm defines the objective function and computes the optimal starting gray level in that function to calculate the saturation error. Simulation results show that the proposed algorithm using the adaptive saliency level selection approach performs best. In addition, the average peak signal-to-noise ratio of the proposed algorithm was up to 3.762 dB higher than that of the conventional algorithm while slightly increasing the power consumption.     

基于局部对称性的特征点加工策略及应用

在基于词袋模型的图像检索框架中,图像包含的SIFT特征点往往数量比较大,特征不够强。因此图像检索系统的效率和性能往往受影响。基于SIFT特征点的性质和视觉显著性原理,提出了SIFT特征点的局部对称性度量方法,并且在图像检索框架中嵌入了基于对称性的SIFT特征点过滤方法和加权策略,以提升SIFT特征点的利用效率。在牛津大学建筑物图像集上的实验结果表明,提出的基于对称性的SIFT特征点选择策略能有效地提高图像检索的性能。     

Compressed progressive meshes

Most systems that support visual interaction with 3D models use shape representations based on triangle meshes. The size of these representations imposes limits on applications for which complex 3D models must be accessed remotely. Techniques for simplifying and compressing 3D models reduce the transmission time. Multiresolution formats provide quick access to a crude model and then refine it progressively. Unfortunately, compared to the best nonprogressive compression methods, previously proposed progressive refinement techniques impose a significant overhead when the full resolution model must be downloaded. The CPM (compressed progressive meshes) approach proposed here eliminates this overhead. It uses a new technique, which refines the topology of the mesh in batches, which each increase the number of vertices by up to 50 percent. Less than an amortized total of 4 bits per triangle encode where and how the topological refinements should be applied. We estimate the position of new vertices from the positions of their topological neighbors in the less refined mesh using a new estimator that leads to representations of vertex coordinates that are 50 percent more compact than previously reported progressive geometry compression techniques