排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
三角网格的能量优化参数化方法 总被引:2,自引:0,他引:2
三角网格参数化是纹理映射、曲面拟合与曲面重构、网格编辑等工作的基础和环节,参数化变形的大小是衡量参数化好坏的标准.为此提出一种基于变形能量优化的三角网格参数化方法.采用区域增长算法逐层展平空间三角网格,得到空间三角网格曲面的自由边界的参数化结果,并利用保形变换将自由边界的参数化结果变换为规则边界的参数化结果;同时兼顾了参数化的角度变形和面积变形,使得参数化结果具有整体变形较小的特点,并能够避免三角形折叠的现象.将该方法应用于纹理映射中的数值实验表明,其比常见的几种参数化方法具有更好的纹理映射效果. 相似文献
2.
3D图形稠密匹配是计算机视觉领域中的一个重要课题.为解决图形匹配中如何提高对拓扑噪声的鲁棒性和效率这2个基本问题,提出一种基于热核信号的3D图形分层匹配方法.首先利用热核信号函数检测特征点,并采用局部融合策略和最远点采样法适当去除冗余点和添加一些"辅助点",实现特征点优化;然后在这些特征点集上构造热核信号描述子,并利用熵将特征点按显著性排序作初始层匹配,再通过特征点各层邻域的局部匹配最终实现3D图形由粗到细的稠密匹配.在TOSCA数据库上进行数值实验,并将文中方法与已有的经典方法进行比较的结果表明,该方法在一定程度上克服了拓扑噪声的影响,并且运算效率较高,更适应于实际应用. 相似文献
3.
利用几何特征和小波变换实现图像的缩放匹配 总被引:4,自引:0,他引:4
通过对缩放图像几何信息的提取,利用B-spline函数的型值获取图像的缩放比例;同时,利用小波变换的性质简化了传统的模板匹配算法,最终实现了缩放图像的自动匹配.实验结果表明,文中方法具有较快的运算速度和较好的匹配精度,在图像几何信息较为明显时具有较好的实用价值. 相似文献
4.
随着采样技术的提高、数据量的剧增,给数据的存储及传输造成了一定困难,因此对数据进行重采样,以压缩数据量是解决该问题的一个有效手段.针对灰度图像采样问题,利用密度流形的广义Ricci曲率提出一种采样点之间相关性的衡量方法.首先,将图像看做是对二维流形的着色,通过处理目标物的深度或构造其深度,保留需要着重采样区域的深度信息;其次,结合深度与灰度信息计算密度流形的Ricci曲率;最后,根据相关性原则筛选采样点并重建图像.此外,针对采样过程提出了全局采样及加速的局部采样2种方式,用于权衡速度与精度.采用大量的标准测试图进行实验结果表明,该方法可以有效地应用于灰度图像的压缩;与已有方法相比,该方法在灰度变化剧烈、复杂的边缘采样点分布更为密集,同时对灰度变化平缓的区域采样点也相对更少. 相似文献
5.
人脸超分辨率(super-resolution,SR)即将输入模糊的低分辨率(low-resolution,LR)人脸图像通过一系列算法处理得到较为清晰的高分辨率(high-resolution,HR)人脸图像的过程.相比自然图像,不同人脸图像的相同位置通常具有相似的结构.本文针对人脸图像的局部结构一致性特点,提出一种新的基于图结构的人脸超分辨率神经网络回归方法.将输入低分辨率图像表示为图结构,进而为图结构中每一个结点的局部表示训练一个浅层神经网络进行超分辨率回归.相比基于规则矩形网格的方法,图结构在描述一个像素的局部信息时,不仅考虑到图像坐标的相关性,同时关注了纹理的相似性,能更好表达图像局部特征.训练过程中,利用已收敛的相邻结点的神经网络参数初始化当前结点的神经网络参数,不仅加快神经网络的收敛速度,而且提高了预测精度.与包括深度卷积神经网络在内的基于学习的超分辨率最新算法比较实验表明,本文提出的算法取得了更高的准确率.本文提出的图神经网络(Graph Neural Networks,GNN)并不局限于解决人脸超分辨率问题,它还可以用于处理其它具有不规则拓扑结构的数据,解决不同的问题. 相似文献
6.
模式识别是人工智能研究领域的一项重要课题,对于目标物在射影变换、仿射变换下的识别,尤其是严重变形情况下的识别和匹配更是该领域的研究热点和难点.针对仿射变换下的平面目标识别问题,提出了一种新的几何特征不变量——特征比,并以此为基础构造了一种新的仿射不变图像特征描述符.该描述符通过构造一系列与目标图像相交的直线,将图像用一系列共线点的位置关系进行表示.进而,将点的位置关系转化为特征比并表示成一系列的特征比谱;最后,通过动态时间规整(dynamic time warping,DTW)算法比较特征比谱间的距离得出图像间的相关性,从而进行目标识别.实验表明,该算法不仅对严重的仿射变形有较高的识别率,对相似度较高的图像也有很好的区分效果. 相似文献
7.
灰度图像匹配的快速算法 总被引:44,自引:2,他引:44
提出了一种基于小波变换和投影特征的图像匹配的快速算法.先在若干级小波变换的低频图上利用投影特征、序贯相似性算法等手段得到一个可能的匹配点的集合,然后对该集合上的点在原图上作匹配运算,得出准确匹配位置.该算法大大提高了运算速度,同时又保持了匹配的精度,可以满足实时性的要求。 相似文献
8.
9.
传统压缩感知磁共振成像重构算法基于先验构造与迭代求解,通常具有很低的计算效率,近期提出的深度方法依赖训练数据与结构设计,因此泛化能力差.针对两者的问题,提出一种高效鲁棒的重构算法以实现性能与效率的平衡.算法从互补的视角出发,对细节恢复和伪影去除2个问题分别构建模型驱动的先验表达过程与数据驱动的深度预测过程,实现了领域知识与深度信息的充分融合;交替迭代的求解机制保证中间结果被及时修正,进一步引导解序列沿着理想的传播方向逼近目标解.针对T1加权与T2加权数据的实验结果表明,与现有先进算法相比,所提算法在3种采样模板与5种采样频率下均能实现更高的重构精度,且提高了在GPU与CPU上的计算效率,进一步实验表明所提算法对采样部位差异与莱斯噪声干扰具有更强的鲁棒性. 相似文献
10.
引言 随着生活水平的提高,人们对穿着的要求也越来越高,热湿舒适性是服装服用性能的一个重要方面,考虑人一服装一环境,这样一个系统,服装在人体和外界环境中起到一个中介作用,在这个系统中,人体由于新陈代谢要散发热量并排出汗液和别的排泄物.这些热量、汗水及挥发的汗气要通过服装的中介作用而传向外界,而外界环境的温度、湿度、气流、辐射、光照等则要经服装的阻隔或吸收而作用(或)影响于人体.人可以通过服装的加减、选择、改变着装方式调节人体周围微气候区的气候,人体本身也可以视气候环境作出有限度的自适应调节.在这里,服装、人体、环境三者构成了一个相互联系协调的体系, 相似文献