计算机辅助设计与图形学学报杂志

计算机辅助设计与图形学学报杂志2019年第3期

• 现代交互技术下的Story-Telling方法综述

  李翔, 黄进, 田丰, 刘杰, 王宏安, 戴国忠

  Story-Telling(ST)是一种训练儿童语言表达能力的重要教育活动,随着新型交互技术的不断发展,大量工作致力于将这些新型交互技术融入ST场景之中,涌现出一系列ST系统原型以及商业应用.文中围绕近十年来关于ST应用技术的研究,重点讨论了ST技术的应用需求以及ST系统中交互技术的运用,并以应用场景作为划分介绍了典型的ST系统.文中针对已有系统中存在的几个突出问题,提出了一套基于场景树设计工具的儿童讲述故事应用设计方法,并对这套设计方法的创新点和贡献做出了讨论.最后对ST这一领域的未来发展方向进行了展望.

• 中国心室分割方法研究与发展

  芦俊池, 冯朝路, 赵大哲

  心血管疾病已成为人类健康"头号杀手",直接或间接以并发症的形式危害人类健康,基于医学影像的心脏组织分割特别是心室分割能有效地提高心脏器质病变诊断效率与精度.文中对近15年来国内提出的多种心室分割方法进行综述,将分割精度验证数据集与评价指标进行整理,对现阶段心室分割工作中存在的问题予以总结,并展望了该领域未来的发展方向.

• 基于边长约束的非本原7次PH曲线识别

  郑志浩, 汪国昭

  逆向工程中,已有识别PH(Pythagorean-hodograph)曲线的方法主要是由判断多项式曲线导数的模长平方是否为完全平方项来决定,这要涉及有关高次方程的重根计算,不仅求解收敛速度慢,而且极易产生舍入误差.为避免以上问题,采用几何方法,首先针对具有不同控制顶点的7次Bézier曲线控制多边形,在引入有关辅助线及辅助点的预处理下,给出该曲线能成为2类非本原PH曲线的边长约束条件;然后对结论进行详细证明;最后,以实例来阐述识别的具体步骤.结果表明,非本原PH曲线的识别,可归结为验证所对应的2组边长约束条件是否满足.

• 结合多尺度体素和高阶条件随机场的点云分类

  邵磊, 董广军, 于英, 张阿龙, 姚强强

  针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.

• 基于关键点特征描述子的三维文物碎片重组

  高宏娟, 耿国华, 王飘

  对多个文物碎片进行重组时,确定文物碎片之间的邻接关系时间复杂度非常高;文物断裂部位因受损而存在一定的几何特征缺失,仅依靠断裂区域的几何特征进行拼接或重组难免会出现错误.鉴于此,提出一种基于关键点特征描述子的三维文物碎片重组方法.首先利用已有的文物"模板",采用内在形状签名算法提取文物"模板"和文物碎片原始面上的关键点;然后计算关键点的快速点特征直方图特征描述子;再通过比较其相似性来确定文物碎片在"模板"上的对应位置,即确定各个碎片断裂面之间的邻接关系;最后采用顺序拼合的方式及迭代最近点算法对多个碎片进行重组.实验结果表明,该方法能够有效地提高文物碎片虚拟拼接的效率.

• 基于K-sup稠密子图的大规模复杂网络概要算法及可视化

  徐丽丽, 董一鸿, 王雄, 陈华辉, 钱江波

  现实社会存在大量复杂网络,随着大数据时代的来临,复杂网络数据规模不断扩大,难以进行算法分析和可视化展示.针对复杂网络小世界、无标度特性,提出基于K-sup稠密子图的复杂网络概要算法,利用三角形在网络中的同质性和传递性发现复杂网络中的稠密子图,结合模块度最大化,将子图中相似的节点归并为超点;运用分层结构存储概要图,并进行可视化显示.该算法能对大规模复杂网络进行有效压缩,保持原网络的性质.在5个真实数据集上进行对比实验,显示出该算法在压缩率、幂率性和平均聚类系数的保持等指标优于已有算法,同时在大规模数据下具有保持网络拓扑结构且支持概要图分层可视化的优点.

• 增强区域全卷积网络下的炸点检测方法研究

  刘峰, 赵广伟, 王向军

  野外大视场环境下的炸点检测常采用图像帧间差分的方法,但由于弹体落地后炸点分布的情况复杂,对密集炸点的检测成为了难点问题.针对该问题,将炸点图像经过整理、分类,构建了炸点检测的专用数据集.在此基础上,对R-FCN模型的特征提取网络、区域推荐网络、位置敏感池化层和分类回归层进行了分析与改进,提出了增强区域全卷积网络用于单帧目标检测,并针对现在盲目多次尝试取最优训练结果的训练方法,提出了一种基于剪枝的网络模型训练方法.在野外大视场炸点图像专用数据集上进行了对照实验,最终平均检测率为83.73%,检测率明显提高.在Pascal VOC数据集上与其他常用算法进行了对比实验,结果表明了该算法的有效性.

• 多模态MR图像和多特征融合的胶质母细胞瘤自动分割

  赖小波, 许茂盛, 徐小媚

  胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准和偏置场校正后,融合GBM多模态MR图像提取各体素的多个底层特征,构建随机森林(random forest, RF)模型,依据特征信息粗分割;其次将多种子点三维区域生长分割GBM多模态MR图像的结果替换相应置信度低的粗分割结果,生成训练数据重新训练RF模型,精分割GBM多模态MR图像;最后考虑GBM解剖结构先验知识、阈值分割和中值滤波精分割结果后得到最终结果.以平均Dice相似性系数、Hausdorff距离和敏感度为评价指标,该算法分割GBM-nih-zcmu数据库中整个肿瘤的平均Dice相似性系数、Hausdorff距离和敏感度分别为0.879, 6.232和0.863,能有效地提高GBM多模态MR图像自动分割的精度,满足临床应用对准确率的要求.

• 全卷积神经网络与全连接条件随机场中的左心室射血分数精准计算

  刘晓鸣, 雷震, 何刊, 张惠茅, 郭树旭, 张歆东, 李雪妍

  左心室射血分数是临床上用于衡量心脏健康的一项重要指标.为提高左心室分割和射血分数计算的精度,提出一种基于改进的全卷积神经网络和全连接条件随机场的方法.首先利用预训练的全卷积神经网络模型对心脏核磁共振影像进行左心室分割并输出概率图;之后采用3D全连接条件随机场对概率图进行后处理,完成像素级的精准密度预测;最后对左心室分割结果进行3D重建,并计算左心室舒张末期容积和收缩末期容积,进而计算出射血分数.实验结果表明,该方法能够实现左心室射血分数的精确且高效的计算,对左心室射血分数的平均预测误差为4.67%,各步骤耗时短.

• 基于像素级生成对抗网络的复杂场景灰度图像彩色化

  林家骏, 诸葛晶晶, 张晴

  针对当前基于深度学习的彩色化模型在面对具有多个目标的复杂场景时存在的误着色问题,提出一种基于像素级生成对抗网络的彩色化模型.该模型在生成网络中采用全卷积网络模型处理不定尺度的输入灰度图像,并加入与真实彩色分量间的L1损失作为彩色化优化目标;在判别网络中,采用语义分割网络计算像素级Softmax损失,反向传递优化彩色化生成网络.在Pascal Segmentation及ILSVRC2012数据集上进行的彩色化图像质量比较,实验结果表明,与同类模型相比,本文模型在处理复杂场景灰度图像的彩色化任务中具有更高的着色准确率,并且对不同目标之间具有更好的区分度.

• 胸部多模MRI图像的结构补偿配准方法

  吕文超, 李艳凤, 彭亚辉, 李居朋, 陈后金

  针对胸部多模磁共振(MRI)图像间结构失配问题,提出一种基于结构补偿的配准方法.首先基于相似变换约束进行浮动图像与参考图像的预配准;然后结合图像分割和形态学处理方法对预配准图像进行结构补偿,构造与参考图像组织结构一致的浮动模板;再将浮动模板与参考图像非刚性配准,提取配准变形场;最后将变形场应用于预配准图像,得到配准结果.以失配组织的Jaccard因子作为评价标准,采用模体图像和临床图像对提出的方法进行验证.结果表明在结构失配的胸部多模MRI图像中,本文方法比传统互信息法具有更好的配准性能.

• 结构约束的全局目标函数视频修复方法

  杨瑞, 唐向宏, 张越

  针对一致性修复方法仅利用视频的颜色和运动特征来优化目标函数,导致无法准确预测未知区域像素值的问题,将视频的结构信息引入到目标函数中,提出结构约束的视频修复方法.首先计算破损视频的时空金字塔,在从上到下的第1层金字塔中先修复破损部分边界上的像素;然后采用加权平均方式完成破损像素的重建,对权值重新定义,再更新边界,修复新边界上的像素,完成第1层金字塔的修复;最后用相同方法依次修复各层金字塔,直到所有破损像素都被修复.采用不同方法对不同复杂场景视频进行修复并用峰值信噪比和结构相似度进行评价,实验结果表明该方法取得了更好的视觉效果,峰值信噪比平均提高1～3 dB.

• 基于迁移学习与图像增强的夜间航拍车辆识别方法

  袁功霖, 侯静, 尹奎英

  为了对夜间航拍图片中的车辆进行有效识别,提出基于二次迁移学习和Retinex算法的图像处理方法,仅利用小规模的数据集训练网络,采用基于Faster R-CNN的深度学习算法即可实现车辆的快速检测.首先在ImageNet大规模数据集和中国科学院日间航拍中规模数据集之间应用一次迁移学习;然后在日间中规模数据集与夜间航拍小规模数据集之间应用二次迁移学习;最后利用Retinex迭代算法对夜间图片进行处理以增强其与日间图片的相似性,使二次迁移学习有效进行.实验结果表明,在深度学习平台上,该方法利用小规模航拍数据集训练出有效的识别网络,检测结果优于传统的机器学习方法,在军事侦察及交通管控等方面具有一定的应用价值.

• 结合候选区域距离度量学习与CNN分类回归联合的左心室检测

  王旭初, 翟随强, 牛彦敏, 葛永新

  心脏MRI左心室自动检测在心脏疾病计算机辅助诊断中具有重要价值,针对左心室候选区域与周边组织分布复杂而导致区分度低的问题,提出结合候选区域2级距离度量学习与CNN分类回归联合学习的左心室检测方法.在候选区域生成阶段,利用超像素产生初始区域并合并为中间区域,设计有监督的2级距离度量学习算法,融合中间区域来构建目标候选区域;在检测阶段,以CNN分类与回归联合学习的方式定位候选区域,并设计难例样本挖掘策略对模型进行微调,以缓解样本不均衡问题.将该方法与扩展的4种变体方法(改变或舍弃部分模块)在公开心脏图谱数据集(CAP)上进行了实验,结果表明该方法中各模块设置具有合理性;与FastR-CNN和基于SSAE方法的检测结果相比,该方法取得了较高的检测精度.

• 面向移动终端图像显示的节能模型

  林贤煊, 王勋, 张世月, 杨柏林, 张凯丽

  为了解决移动终端屏幕显示的耗电量高而影响续航能力问题,提出一种限定视觉距离的颜色表生成策略,并将其应用于图像的颜色重构.其主要策略是基于给定的参数,即亮度与颜色距离的初始值,生成颜色视觉距离限定的颜色表.图像的颜色重构是根据屏幕显示不同颜色所需的能耗差异,将图像中能耗高的颜色结构替换成低能耗的颜色组合.选用主流的移动终端作为实验设备,用仪器测量获取屏幕显示图像的原始耗电量数据;通过拟合测量所得的耗电量数据来搭建耗电量评估模型,验证搭载有机发光二极管屏幕的移动设备显示不同颜色结构图像对耗电量的影响.在此基础上,对图像的颜色进行重构,以优化屏幕显示该图像所需的耗电量,可广泛应用于移动导航地图等.实验结果表明,提出的图像重构策略使屏幕显示该图像的能耗约节省35%,且图像重构前后的结构相似性达到95%.

• 应用等几何配点法求解电磁涡流场问题

  张洪海, 莫蓉, 万能

  为简化等几何分析中多种场约束的添加问题,提出一种等几何配点法,并将其应用于电磁涡流场问题.针对磁矢位散度为零的条件、未来形状优化需求及电磁力后处理需求,在求解过程中取4个措施:(1)将高斯积分点选为配点;(2)应用BEM-FEM耦合方法的变形形式来处理电磁场外边界;(3)将多出的配点方程看做约束;(4)应用QR分解法求解所形成的过约束矩阵方程.数值算例结果表明,该方法适用于多种约束下的偏微分方程求解问题.

• 65 nm CMOS工艺的低功耗加固12T存储单元设计

  黄正峰, 李雪健, 鲁迎春, 欧阳一鸣, 方祥圣, 易茂祥, 梁华国, 倪天明

  随着CMOS工艺尺寸的不断缩减,存储单元对高能辐射粒子变得更加敏感,由此产生的软错误和因电荷共享导致的双节点翻转急剧增多.为了提高存储单元的可靠性,提出一种由4个PMOS晶体管和8个NMOS晶体管组成的抗辐射加固12T存储单元,并由NMOS晶体管中的N_1和N_2以及N_3和N_4构成了堆叠结构来降低存储单元的功耗;其基于物理翻转机制避免了存储节点产生负向的瞬态脉冲,在存储节点之间引入的负反馈机制,有效地阻碍了存储单元的翻转.大量的HSPICE仿真结果表明,所提出的存储单元不仅能够完全容忍敏感节点的翻转,还能够部分容忍电荷共享引起的敏感节点对翻转;与已有的存储单元相比,所提出的存储单元的功耗、面积开销、读/写时间平均减小了18.28%, 13.18%, 5.76%和22.68%,并且噪声容限的值较大;结果表明该存储单元在面积开销、存取时间、功耗和稳定性方面取得了很好的折中.