基于半边折叠的三角网格模型分片参数化与重构算法

提出了一种三角网格模型参数化与重构算法,在网格分片参数化的基础上实规了模型三角面的半正规化重构.首先,使用考虑顶点权重和边长度的半边折叠方法把网格模型分层简化到基网格,在每次折叠操作的同时使用分片参数化方法把被删除顶点动态地映射到下层网格面上;然后,把基网格进行多次平面细分,利用原始网格顶点、参数化点和细分点之间的位置关系,对细分点进行扰动完成网格重构.实验结果表明,该算法能够得到特征保持的多分辨率简化模型,使用参数化结果重构的三角网格也能够较好地还原原始模型.     

点云模型交互式边界曲线分割算法研究

点云模型区域分割是其数字处理的基础工作。在分析用户交互式边界顶点选取方法基础上,提出一种基于自动生成边界曲线的分割算法。根据点法式方程求解边界点的剖切平面,据此将点云模型分为两部分。实验表明,与适当的用户界面配合,算法可有效实现点云模型的特征区域交互式分割操作,为点云模型参数化及模型编辑等提供支持。     

基于三维网格的人脸分割

三维网格分割技术是处理数字几何的重要手段,在人脸识别领域作用较大。在介绍三维网格定义的基础上,对常见的分割算法进行简要综述。针对其它分割算法存在的不足,采用基于区域生长型的分水岭算法,并且结合人脸实例,对不同人脸进行分割实验。结果表明,该算法能够很好地克服过度分割现象。     

基于正方形切平面描述符的三维人脸区域标记

针对目前三维人脸模型的语义标记和分割研究较少的问题,提出一种基于正方形切平面描述符的三维人脸模型区域标记算法。这种新的描述符由三维人脸模型顶点的正方形切平面区域内的几何信息编码而成。随后通过随机森林算法对其进行学习,对模型上的所有顶点进行分类,从而实现对三维人脸模型上眉毛、眼睛、鼻子、嘴巴等区域的识别和标记。在定位仿真实验中,分类准确率可达94.46%。该描述符具有旋转、头部姿势与三维模型分辨率不变性,对模型噪声具有鲁棒性。实验结果表明,该方法能有效标记三维人脸模型区域。     

合成孔径雷达图像分割算法研究

对合成口径雷达图像的分割算法进行了归纳综述,概述了主动轮廓的分割算法、马尔科夫随机场的分割算法和模糊均值的分割算法,简要阐述了各种算法的原理,提出了基于局部隶属度和局部信息的模糊均值分割方法,以期为SAR图像分割算法的研究提供参考.     

顶点覆盖问题的贪心算法在网格简化中的应用研究

针对三角网格简化,设计了求解顶点覆盖问题的贪心算法,通过贪心选择最小的顶点集去＂覆盖＂边集,同时保留被简化网格的特征信息,自动实现最大程度简化。给出的实例也表明简化后的网格质量良好,算法既降低了时间复杂度又保持了原形状的特征信息。     

基于谱聚类与多信息特征融合的图像分割算法

为了改善传统基于聚类的图像分割算法对噪声敏感以及仅使用单一特征无法精确描述目标特性等问题,提出了一种基于区域的多特征图像分割算法。首先,使用 Meanshift 算法对原图像进行预分割,获得一组区域块;其次,提取每个区域块的颜色特征和纹理特征,使用 FCM 算法分别对每个特征进行聚类,针对每个特征获得一个类标签邻接矩阵;再次,将多个邻接矩阵叠加,形成多特征邻接矩阵;最后,使用 NCUT 算法对叠加邻矩阵进行聚类,获得最终分割图像。实验结果表明,基于区域多特征的分割算法优于对比算法,融合多特征对图像分割可以更准确地识别不同的目标结构,具有更好的分割效果。     

基于肤色模型和面部特征的人脸检测算法

提出一种基于肤色模型和面部特征的人脸检测算法,在YCbCr颜色空间建立肤色模型,根据此模型进行肤色分割,为使分割更平滑,进行了形态学处理,再结合面部特征有效除去非人脸肤色区域。验证了该算法的可行性和高效性。     

基于多特征融合的甲状腺结节良恶性识别

鉴于甲状腺结节良恶性的判别十分依赖于有效特征的提取,提出基于DLBP与RLBP模型相结合的局部纹理特征提取算法,首先利用RLBP模型解决图像旋转不变问题,然后与DLBP模型相结合对RLBP模式特征进行选择与降维,再与纵横比、圆形度、紧致度等形状特征相结合并输入到SVM分类器中。为了进一步提高识别率,提出基于粒子群算法与网格搜索算法相结合的SVM参数优化算法。实验结果表明,该模型提取的特征用于分类识别时较上述各种模型及传统的旋转不变等价ULBP模型能获得更高的识别率,且提出的参数寻优算法相比于传统寻优算法效率更高。     

一种融合边缘和区域特征的主动轮廓图像分割

传统的主动轮廓模型只利用图像的边缘或者只利用区域特征实现图像分割。在有些情况下图像分割效果较差．本文给出了一种综合利用图像边缘和区域特征的主动轮廓图像分割方法．实验表明,演变后的曲线与图像的边缘是吻合的,图像分割的结果较好．而对相同的图像应用传统的主动轮廓分割算法得到的图像分割结果则很差．这说明新算法明显提高了传统算法的图像分割性能．     

Canny算法修正的谷形检测手指静脉分割算法

针对使用方向谷形检测方法对手指静脉图像进行分割存在的静脉边界区域分割精度低的问题,对结合了Niblack算法的方向谷形检测分割进行深入研究与探讨,并以此为基础提出基于Canny算法修正的谷形检测手指静脉分割算法。首先对手指静脉的局部梯度变化特征进行分析,得出静脉边界点应具备的条件,并以此作为是否为真实边界点的判据,同时结合由Canny算法获取的非极大值抑制图像对基于方向谷形检测的分割结果进行边界点修正。最后通过实验对比修正前后的分割效果,发现该算法分割结果在静脉区域的连续性,以及静脉提取的真实性和准确性上都表现更为优秀,证明了其有效性。     

改进分水岭与K-means++结合的人体脊柱图像分割方法

由于在人体脊柱图像分割中,分水岭算法存在过分割现象以及对微弱边缘、噪声非常敏感的问题,故对其进行改进.原始人体脊柱CT图像存在许多不必要的局部极小值,首先利用K-means++聚类算法进行区域分类,减少错误的局部极小值;然后利用形态学图像处理技术对初始分割图像进行去噪处理,使图像变得平滑;接下来提取区域最大值标记为图像...     

基于投影图与直方图的机械零件模型检索

为实现资源重复利用与产品创新,通过检索出数据库中的相似零件给设计者提供帮助。首先对机械零件模型进行方位归一化与预处理,以起始点为圆心作最大内切圆,划分连通区,在连通区内根据距离变换值判定邻域像素,进而确定新的骨架点,迭代生成完整骨架。将骨架转换成直方图曲线,划分网格生成骨架点数矩阵,根据矩阵特征值和之间的差计算两模型间的差异度,从而判定机械零件相似度。通过实例验证以及与 D2形状分布算法及递归分割算法的比较,该方法检索速度高于递归分割算法,准确性高于 D2 形状分布算法和递归分割算法。     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

3维模型2维投影图序列特征的异常检测

在对3维模型2维投影图利用区域的Fourier变换提取其形状特征的基础上,提出了一种新的基于特征序列为训练模型的异常检测算法。首先对高维特征序列进行约减至低维序列;其次,引入序列局部模式的相似度和异常值的定义对任意的测试集区分异常。通过PSB数据集实验证明了该方法的有效性和合理性。     

局部动态阈值图像分割算法研究

图像分割是预处理图像转入图像分析的关键环节,在图像分析、模式识别中起着重要的作用,采用图像分割可以将图像中感兴趣物像、不感兴趣物像进行分离,实现了提取目标参数、特征的可能性,所以图像分割一直受到人们的重视。提出了一种应用局部动态阈值进行图像分割的算法,通过试验表明:采用局部动态阈值进行图像分割算法在分割复杂背景图像时具有较好的分割效果,是一种有效的分割算法。     

结合Delaunay三角网的自适应多尺度图像重叠域配准方法

为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。     

基于模糊交叉网格的初始聚类中心选取方法

选取初始聚类中心是多数聚类算法的首要步骤,往往影响着聚类的效果。为了避免算法迭代过程中易陷入局部最优的问题,本文提出了一种基于模糊交叉网格的初始聚类中心选取方法。算法通过对数据空间网格化后,以网格交点为中心的邻近网格组成网格空间,根据数据点的隶属度统计每个网格空间的密度,再通过局部最大网格空间选取K个初始聚类中心。在真实数据集上进行实验,结果表明该方法在保证了聚类效果的同时,提高了收敛速度。     

融合高斯混合模型和prewitt算子的运动目标检测

提出一种融合高斯混合模型和prewitt算子的运动目标检测算法.通过高斯混合模型拟合背景信息,利用prewitt算子提取图像的边缘特征信息,将两者融合起来.边缘信息反映了局部区域内容的结构信息,可作为颜色信息的补偿;模型保证了在线更新背景信息时的稳定性和收敛性,同时弥补了目标分割中颜色信息接近时容易导致误判的不足.实验结果表明,与一般高斯混合模型比较,本方法具有较高的分割精度,提高了目标检测的鲁棒性.     

基于小生境的自适应多目标遗传算法求解流水车间调度问题

针对分水岭算法的过分割问题,设计了一种结合分水岭和区域合并的彩色图像分割算法。使用分水岭分割算法对图像进行初始分割,由于图像中的细节信息和噪声会导致图像的过分割问题,针对此问题而产生的小图像区域,定义了它们之间的区域距离。依据区域距离融合了小图像区域的颜色信息和邻接关系信息的特点,提出了小图像区域合并算法,对小图像区域进行合并,并通过仿真实验与其他分割算法进行了比较和分析。