排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
目的 基于模式识别的花卉种类识别方法在使用不同特征或分类器时识别准确率有较大差别。本文的研究目的在于实现花卉种类识别方法的快速构建及性能评估,减轻研究人员的编程工作量,提高效率。方法 根据使用模式识别技术进行花卉种类识别的一般步骤,应用插件技术将算法中的预处理、特征提取、分类器训练、分类器识别等步骤表示成不同种类的处理器,建立可扩展的系统平台,研究人员可以通过修改各步骤所使用的处理器来修改图像处理和识别算法,并在此基础上采用流式链接方法构建算法。结果 基于本文所提出的构建方法进行算法优化,并将其用于68种花卉的识别,准确率Top1为 91.26%,Top5为98.41%。结论 流式链接方法能够对识别方法进行快速装配,有利于快速评估不同特征和分类器在花卉种类识别中的性能,适于算法的研究和优化。本文所提出的基于工作流式链接方法以及插件技术的构建方法具有灵活易用的特点,所构建的算法具有良好的可扩展性。该方法还可以推广应用于其他基于数字图像的模式识别算法研究。 相似文献
2.
阴影是树木的重要视觉特征,对提高树木绘制的真实感具有重要意义,同时阴影算法的效率也是影响树木绘制效率的重要因素.文中针对树木建模中广泛应用的布告板云(Billboard Cloud)树木模型的特点,提出了BillboardCloud树木模型阴影快速生成与真实感绘制算法.在传统阴影图算法基础上,采用深度变换的方法解决了Billboard的自遮挡问题,使用阴影图滤波和屏幕阴影图滤波相结合的方法实现了树木软影效果,并利用图形硬件的多绘制目标功能对上述算法流程进行了优化,以提高算法效率.最后以SpeedTree树木模型为例进行了实验,结果表明,文中算法生成的Billboard cloud树木阴影真实感强,且具有较高的效率. 相似文献
3.
4.
目的 为了克服手写输入中随意性强和自由度大的缺陷,同时兼顾简笔画的整体属性和局部特征,提出一种基于图元识别与感知哈希技术相结合的手写输入简笔画二级识别算法。方法 首先提取笔画的几何特征、笔序特征及结构特征且进行识别,然后查找由图元信息、笔画结构信息和笔序信息构成的简笔画语义库,完成由规则的几何图元构成的简笔画识别;若未被识别,则生成简笔画图像,利用感知哈希技术完成简笔画图像的识别。结果 基于本文提出的简笔画识别方法,实现了对样本库中150种简笔画对象的识别,平均识别率为82.6%。结论 实验结果表明,对于不同用户手写输入的任意样本库中的简笔画,该方法具有较高的识别率,此外,还可以通过在简笔画语义库和样本库中增加简笔画的种类等方式实现对更多种类简笔画的扩展识别。 相似文献
5.
6.
在基本的图割纹理合成方法基础上,提出了拼合曲面上的纹理合成方法,模拟单轴分枝乔木的主干与侧枝、侧枝与侧枝等相交位置的过渡树皮纹理.为了模拟自然生长的单轴分枝乔木分枝处树皮纹理各向异性的效果,将拼接曲面的合成区域划分成子区域,各子区域采用不同的合成方法.实验结果表明:该方法可有效模拟单轴分枝乔木分枝处的树皮纹理,满足真实感绘制的需求. 相似文献
7.
针对地形可视化的要求,在分析由等高线模型生成规则格网模型的几种常用方法的基础上基于逐点内插和分块内插,提出了一种新的模型转换算法。该算法已经在Microsoft Visual C .Net上实现,插值结果成功应用于大规模地形可视化平台。 相似文献
8.
针对聚类绑定簇间分离时产生的聚类中心偏移和线束布局等问题,从数据分布认知的角度提出可视化评估方法.首先构建数据相关性指数、聚类中心准确性指数、离散度指数等5个指标作为数据分布绘制效果的评价量规;然后设计各指标的视觉映射方式,与对应的分布属性实际值作相关性分析,以实现分布特征的量化视觉评价;最后对3种不同的平行坐标视图进行实例分析和比对.基于评估实验,验证了数据分布特征映射准确性的改善方法,以及维度重排和绑定参数等因素对评价结果的影响. 相似文献
9.
目的 为了解决手绘运动学示意图对辅助学习的局限性,以及现有物理辅助教学软件只能模拟系统设定机构的局限性,提出了一种对手绘运动学机构示意图进行识别,并实现其运动过程模拟的方法。方法 首先提取笔画的几何特征进行笔画识别,得到笔画类型,然后根据构件笔画组成列表及笔画间相对关系,进行构件的匹配识别,再根据用户意图,识别构件间位置约束关系,自动矫正机构示意图中构件的相对位置,最后通过2维物理引擎,实现机构的运动过程模拟。结果 实现了对运动学教学中常见的16种构件的识别,和构件中常用的7种图元的识别,识别准确率分别为93.25%、94%。结论 实验结果表明,该方法可在对手写运动学构件符号以及构件间的约束关系进行正确的识别和矫正的基础上,实现对整个运动机构的识别,以及对机构运动过程的模拟。 相似文献
10.
手写输入可通过少量的书写进而传递丰富的文本信息,如何准确地对手写简笔画进行识别越来越引起了各界研究者们的关注。传统的简笔画识别算法多基于简笔画相对固定的结构特性进行识别。此种方法对于笔迹清晰、结构相对简单的简笔画具有较高的识别率,但是随着分类数以及简笔画自身结构复杂度的增加这种方法存在一定局限性,往往会造成误分类。为取得更好的识别效果,该研究以具有固定参照模板的简笔画作为研究对象,使用图像生成算法对手写笔迹进行预处理,并提出了一种基于卷积神经网络的简笔画识别模型(Trans-Net),其中运用迁移学习技术解决了样本库中数据量小的问题。实验结果表明,该方法能够对输入的简笔画笔迹进行有效地特征提取,并且对样本库中150类简笔画对象的平均识别精度达到了94.1%。 相似文献