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9期

• 基于全局配准累积误差极小的人体RGB-D数据三维重建

  孙瑜亮, 缪永伟, 鲍陈, 夏海浜, 张旭东, 陈佳舟

  针对RGB-D扫描数据获取和人体三维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型三维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于三维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体三维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的三维人体,而且重建生成的三维人体测量尺寸与真实人体尺寸之间的误差较小.

• 特征融合和多重约束的协同显著性检测

  金志刚, 李静昆

  针对环境复杂的图像组中前景和背景信息混乱、共显性目标无法准确显示的问题,提出一种特征融合和多重约束的图像协同显著性检测算法.首先通过融合对象性概率优化的深度信息和颜色信息计算图像间显著性引导传播的显著值;然后使用深度概率指导的多重约束的背景先验方法计算图像内显著值以进一步优化;将两阶段得到的显著值进行区域性建议融合,采用最小二乘法学习得到最终的协同显著性结果.在公共数据集上的实验结果表明,该算法有效地利用图像间相似性信息且抑制了背景信息,使得显著目标更加接近真值标定结果;克服了复杂环境因素的影响,在各个实验指标上的评估结果都有明显提高.

• 三维人体模型姿态与形状重构

  曾志超, 李桂清, 邹歆仪, 王宇攀, 聂勇伟

  为了解决单张照片人体重构出现的姿态翻转问题,提高重构模型的准确度,提出相邻帧姿态约束和人体轮廓线匹配的姿态与形状序列同时重构算法.对视频中的每一帧,首先估计出图像中人物的二维关节点、人物脸部特征点及其边缘轮廓线;然后将参数化模型SMPL所表达的三维人体投影到二维平面上,使得投影后的二维信息与对应的视频帧二维信息相匹配;最后通过调整SMPL的姿态与形状参数来最小化匹配能量函数,从而重构出与视频帧中人物具有相似姿态与形状的三维人体模型.此外,为了使重构结果显得更真实,也对图像帧中人体的头部姿态进行了检测和匹配.该算法在MPI-INF-3DHP数据集、Youku视频和自拍视频帧上均进行了实验,实验结果表明,与SMPLify算法等相比,该算法能有效地避免重构结果中出现姿态翻转的现象,且能在保证模型整体姿态相似性的前提下重构出准确的头部姿态和相似的模型形状.

• 室内3D点云模型的门窗检测

  沈乐, 李桂清, 冼楚华, 江洋, 熊赟晖

  为了检测室内3D场景中的门窗信息,提出一种3D-2D-3D的门窗检测算法.首先在3D室内场景点云模型中多角度旋转拍照,获取点云的2D图像;然后对2D图像进行门窗目标的粗检测,得到门窗在图像中的大致范围,并将此2D信息返回到3D点云数据中,得到包含门窗的局部点云数据;最后提取局部点云数据的轮廓线及其交点,通过优化得到门窗特征角点的位置信息.实验结果表明,采用这种“整体-局部”策略的算法能有效地检测出3D室内场景中门窗的位置信息.

• 基于增量Voronoi序列的即时彩色点画算法

  吴志超, 马雷, 陈彦云, 石剑, 徐丹

  作为流行的图像风格化技术之一,数字点画是具有吸引力的一项研究课题.现有的大部分工作针对黑白点画,而彩色点画作为一种多类别采样问题,其计算成本较大,为此提出一种即时彩色点画算法,采用离线计算的方式得到蓝噪声性质的点集,以此构建增量Voronoi序列;然后将单类别阈值策略扩展到多类别阈值策略来确定各个采样点的颜色;最后根据采样点的颜色生成彩色点画.通过与其他合成策略在不同颜色空间中的对比,结果表明文中确定性算法可以在保证效率和鲁棒性的同时,生成与当前最先进算法质量相当的结果.

• 多尺度信息融合的遥感图像语义分割模型

  张静, 靳淇兆, 王洪振, 达铖, 向世明, 潘春洪

  遥感图像分割是目前学术界和工业界的一个研究热点,在城市规划、变化检测以及GIS信息构建等方面有着十分广泛的应用.然而,诸多复杂因素(如多变的尺度、多样化的拓扑形状以及复杂的背景和阴影等)使得遥感图像语义分割成为一项具有挑战性的任务.为此,提出一种基于多尺度信息融合的遥感图像语义分割深层卷积神经网络模型,该模型分为编码器和解码器2部分.在编码阶段,设计了基于DenseNet网络的跨卷积层级的多尺度特征融合策略,采用子区域全局平均池化及多尺度卷积处理复杂的背景区域;在解码阶段,为了准确地恢复图像的细节信息,设计了能够融合不同层级卷积特征的短解码器;最后,在整体模型构建方面设计了一种具有多输出的分层监督机制网络模型,从不同层级获取监督信息,可在充分利用监督信息的同时更好地引导网络的训练.在ISPRS公开数据集以及北京市遥感数据集上,通过实验验证了文中模型的有效性.

• 结合目标检测与双目视觉的三维车辆姿态检测

  赵邢, 梁浩然, 梁荣华

  随着城市规模的发展,车辆的需求在与日俱增,同时对自动驾驶技术的需求也在不断提高.为了增强自动驾驶系统对路面车辆的信息掌握能力,提出一种车辆姿态检测方法.首先利用基于深度学习的目标检测方法获取车辆在二维图片上的信息,结合深度相机利用双目视觉获取车辆的关键三维空间信息;然后综合二维与三维信息建立三维空间坐标,经过计算后实现车辆的三维边框绘制,绘制的三维边框能辅助区分出车辆在空间上的方位.文中方法为端对端方法,不需要其他额外的输入信息,能够实时展示在相机中.实验结果表明,该方法针对常见的路面停车场景有较好的识别效果,对自动驾驶系统有较好的辅助作用;对比目前流行的三维边框计算方法也展示了其准确性.

• 视觉注意力网络在工件表面缺陷检测中的应用

  王一鸣, 杜慧敏, 张霞, 徐一丁

  工件表面缺陷检测是现代化工业生产中不可缺少的环节,利用卷积神经网络实现工件表面缺陷检测能有效地提升检测效果.当工件表面出现微小缺陷时,缺陷部分的特征容易被其他区域的特征所掩盖,影响检测的准确率.针对这一问题,提出了每级由3个卷积模块和一个视觉注意力模块构成的3级视觉注意力网络.通过注意力模块生成软注意力模板,为卷积模块构成的主干网络的特征图加权,增强缺陷区域特征并抑制背景区域特征,提升缺陷检测的准确率.实验采用具有明显缺陷和微小缺陷的5类工件图像进行对比测试,结果表明,软注意力模板在容易出现缺陷的区域具有更高的权值;加入视觉注意力模块能将缺陷检测的准确率从90.9%提升至98.1%.

• 视频放大和深度学习在微表情识别任务上的应用

  刘汝涵, 徐丹

  针对微表情动作过于微弱不利于识别和目前主流方法合并情绪类别不利于微表情在现实任务中的应用2个问题,提出一种基于眼部干扰消除的视频放大方法,并利用卷积神经网络实现微表情识别任务.首先,利用基于相位的视频动作处理技术对微表情数据集CASME和CASME II中的视频数据进行放大;然后利用特征点定位获取眼部坐标,并将原始眼部视频替换到放大视频中进行图像融合,以实现对眼部干扰的消除操作;最后利用VGG16的思想设计卷积神经网络模型网络,实现对放大后的微表情数据情绪类别的识别.实验在不同方法下分别对2个数据集的准确率进行对比,并用几种调优策略下的模型分别就原始数据集和放大数据集的准确率进行对比.结果表明,文中方法能够更好地提升真实情绪分类状态下的微表情识别准确率.

• 面向非规则排列汉字文本的字符分割方法

  杨谢柳, 牛玺辉, 梁文峰

  针对现有字符分割方法应用于非规则排列汉字文本时分割正确率低的问题,提出一种基于连通区域捆绑规则的汉字字符分割方法.首先,提取文本前景并标记连通区域;其次,通过计算连通区域的质心及半径构建其包围圆;然后,根据包围圆大小判断并剔除错误的连通区域;最后,基于汉字的结构特征制定文本连通区域捆绑规则,实现汉字字符的分割.实验表明,与现有方法相比,文中方法在处理非规则排列汉字文本时具有更高的分割正确率,且该方法对规则排列汉字文本的字符分割也具有良好的适用性.

• 先验知识指导生成虚拟样本在指针式仪表识别上的应用

  马波, 蔡伟东, 郑凡帆

  为解决现有指针式仪表识别方法依赖于预处理的有效性且泛化能力不足的问题,提出一种基于深度卷积神经网络与虚拟样本结合的识别方法.该方法利用深度卷积神经网络自适应地提取仪表图像关键特征,避免无关信息的干扰;采用先验知识构建指针式仪表虚拟样本生成模型,解决深度卷积神经网络面临的小样本难题.仿真数据、实验数据和现场实际应用结果表明,文中方法是可行有效的,且比传统的指针定位方法识别效果更好,尤其在更换仪表、局部信息缺失等复杂情况下具有很好的鲁棒性.

• 基于绘画时序的双层次笔画线条简化方法

  陈佳舟, 杜孟奇, 郑佳, 秦绪佳, 缪永伟

  虽然有电子画笔的帮助,将线条草图手动重画为干净的线条画依然耗费艺术家大量的时间,严重影响了创作效率.利用笔画的绘画时序,把简化模型从单一的空间关系提升到时间先后关系和笔画修改关系,提出一种双层次的笔画线条简化方法.在绘画过程中实时记录笔画线条的位置和顺序,根据空间信息和时序关系局部地进行线条初步聚类;然后通过修改关系图进行全局的线条类间修改关系分析,理解艺术家的绘画意图,最终合并得到简化结果.实验结果表明,文中方法能够充分利用绘画时序分析绘画意图,实现复杂线条草图的笔画线条自动简化,并通过效果对比展示了该方法的有效性和鲁棒性.

• 二维矢量场周期轨道高效提取方法

  王文珂, 郝江聪

  针对现有周期轨道提取效率较低的问题,提出了一种高效提取周期轨道的方法.在网格环方法基础上,通过减少可能生成封闭流线的候选种子点数目,有效地缩短备选流线的生成时间;然后根据流线的不相交性,进一步减少备选流线周围需要测试的网格点数目,从而有效地提高周期轨道提取的效率.在Windows64位操作系统,i5-2.20GHz CPU,4 GB内存的PC机上对范德波尔函数解析数据和实测湍流数据进行了实验,结果表明,与网格环方法相比,该方法可以节省90%以上的计算时间.

• 数据点加权最小二乘渐进迭代逼近及其B样条曲线拟合

  李莎莎, 徐惠霞, 邓重阳

  为了使B样条拟合曲线插值部分数据点且逼近其余数据点,提出数据点加权的最小二乘渐进迭代逼近(DW-LSPIA)算法,证明了其收敛性并以它为基础提出一种B样条曲线拟合算法.首先赋初始权重于每个数据点,用DW-LSPIA算法生成初始拟合曲线;然后根据待插值点与拟合曲线上对应点的误差调整待插值点的权重,并重新运用DW-LSPIA算法生成新的拟合曲线;如此迭代,直至拟合曲线达到插值要求.实例结果表明,该拟合算法鲁棒、高效,也可使拟合曲线保形.

• 有理h-Bézier曲线及其圆锥曲线表示

  孙一皓, 韩力文

  h-Bézier曲线是具有形状参数的广义Bézier曲线.为了拓展h-Bézier曲线表示能力,通过增加正实数权因子构造有理h-Bézier曲线,可精确表示圆锥曲线.首先定义有理h-Bézier曲线,分析曲线的基本性质;然后推导曲线的升阶公式、de Casteljau算法,以及二次有理h-Bézier曲线与二次有理Bézier曲线的互化;分别从代数和几何的角度,讨论了二次有理h-Bézier曲线表示圆锥曲线的分类情况.另外,还给出喷泉和拱门的造型实例.结合文中的数值实例,显示了有理h-Bézier曲线相比h-Bézier曲线和经典有理Bézier曲线的造型优势和灵活性.

• 受限多模板最小二乘预测的三角网格压缩

  宋滢, 金耀, 郑一村, 黄劲, 何利力

  为提高网格压缩的编码压缩率,充分利用网格局部邻域信息特征,提出一种数据驱动的多模板最小二乘预测方法.在训练阶段,从网格模型中所有可能构建的5个顶点的模板中提取特征数据作为训练集,在局部坐标系下构建预测器并通过最小二乘法求解预测器的权重;在编码阶段,对当前顶点的量化坐标预测使用受限多模板策略,根据多个可用的模板选择最优集合进行线性组合,再对残差进行熵编码.不同于网格无关的网格坐标预测策略(如平行四边形预测器),文中方法深入利用网格模型上邻近三角形之间的相关性,有效地降低了坐标预测的误差,从而提高了压缩率.在同等的量化误差和拓扑遍历顺序下,与已有的预测方法相比,受限多模板最小二乘预测器通常能够获得更高且稳定的压缩率,尤其在光滑模型上压缩效果更为显著.

• 绘制动态图的IGP模型

  张野, 王松, 吴亚东, 蒋宏宇, 王永程

  针对可视化领域中动态图的绘制问题,提出一种新颖的可视化模型来绘制动态图.首先采用多层次方法生成初始静态图并对所有节点进行初始分区;当下一时刻的图数据来临后,先对新增节点使用重心合并排序算法的变体以确保其具有良好的初始位置,在此过程中,当有额外的附加边添加时,通过附加边长度调整算法重新调整附加边的大小以保证图的美观性;再引入“等级”的概念以提高图结构的稳定性,等级越高的节点越难以移动;最后对有变化的节点进行重新分区以简化力导向算法的排斥力计算,同时通过简化后的力导向算法优化布局.采用平均位移和总能量作为评价布局标准,用文中模型和力导向算法、节点牵制算法在Sync和Newcomb数据集上进行实验的结果表明,该模型具有较高的性能,可获得良好的布局效果.

• 平面上可相交凸多边形的Voronoi图

  卢嘉豪, 熊鹏文, 闵卫东, 廖艳秋

  传统的多边形的Voronoi图存在不能相交的问题,以至于无法将其应用于计算机视觉、生态学等领域中的多边形相交情况.为了解决多边形相交情况下的最邻近空间划分问题,提出了可相交凸多边形的Voronoi图.首先定义可相交凸多边形的Voronoi图;然后阐述相交多边形特有的Voronoi边的区域化现象,证明了其发生的充要条件,进一步揭示了相交多边形与不相交多边形之间的关系;最后提出Voronoi图的生成算法,并用代码实现.实验结果表明,该算法能够有效地解决多边形相交的问题,突破了不能相交的限制,为计算机视觉、生态学等领域的实际应用提供了理论基础.

• 基于几何方法的曲率单调Bézier曲线的一个充分必要准则

  王爱增, 何川, 赵罡, 徐慧霞

  曲率在曲线光顺性方面起着重要作用,针对Bézier曲线的光顺问题,给出并证明了一类具有曲率单调变化的任意次数Bézier曲线.首先基于一种有效的几何设计准则,通过缩放和旋转Bézier曲线的前一条控制边得到邻接的后一条控制边;然后依次得到所有控制边及Bézier曲线控制多边形.实验在Windows系统下采用C++语言实现,通过实例验证了该方法的有效性并给出这类曲线的几何特性.

• 有理Bézier曲线的近似弦长参数化算法

  李效伟, 孙黎, 杨义军, 曾薇

  只有圆弧、等轴双曲线、伯努利双纽线和帕斯卡蚶线等曲线是可弦长参数化曲线,一般形式的Bézier曲线不满足可弦长参数化条件.为了生成有理n次Bézier曲线的近似弦长参数化,提出一种基于数值优化的弦长参数优化算法.首先推导了有理2次、3次和4次Bézier曲线满足弦长参数化的条件;然后对一般形式的有理n次Bézier曲线作M bius变换,根据可弦长参数化条件推导出曲线与标准弦长参数化的偏差公式;最后通过优化方法计算曲线的最优参数表示.多个数值实例结果表明,该算法是有效的.

• 基于最小生成树的分割区域密度聚类算法

  李蓟涛, 梁永全

  针对传统密度聚类算法因使用全局变量导致对不平衡数据集的适应能力较差的问题,提出了一种基于最小生成树的密度聚类算法.首先进行数据集密度峰值计算,用于估计全局密度;然后通过密度聚类将数据集划分为高密度区域和低密度区域;接着构建和分割最小生成树对低密度区域内样本进行关联挖掘,用于将高密度区域与低密度区域互联;最后计算簇密度并以此作为特征进行簇合并,得到聚类结果.该算法结合图论知识,将数据按密度特征进行分块后合并处理,克服了传统密度聚类算法存在的局限性.通过选取多个不平衡人工数据集和UCI数据集对该算法进行测试,验证了该算法的有效性与鲁棒性.

• 影响信息特征搜索的凝视/扫视指标与瞳孔变化幅度一致性效应比较

  吴晓莉, TomGedeon, 薛澄岐, 张伟伟, 王琳琳

  数字化交互界面中的信息呈现方式对操作员信息特征搜索的任务执行效率起着至关重要的作用.文中以信息特征及呈现方式作为变量,展开视觉搜索实验.首先提出搜索不同复杂程度的信息单元、不同形态特征对凝视/扫视及瞳孔幅度呈规律性变化等3个假设,并以核电安注系统为例进行实验设计;其次通过眼动实验数据记录的凝视/扫视时间及路径指标、瞳孔直径进行比较,并讨论信息复杂程度与瞳孔幅度变化、凝视时间与瞳孔幅度的一致性效应.实验结果表明,图标形态和信息呈现方式对视觉搜索均具有显著性影响,凝视/扫视时间及路径能够反映图标形态的复杂程度及信息呈现的难易程度;瞳孔变化幅度与凝视/扫视指标相同,也可作为视觉认知绩效的灵敏指标,单一图标-形态组B到信息块形态组A呈线性递增趋势,具有一致性效应.该结论揭示了信息特征搜索的影响因素,瞳孔幅度变化与凝视/扫视指标的一致性效应可作为信息呈现方式的重要指标应用于未来界面优化设计中.

• 面向嵌入式FPGA的高性能卷积神经网络加速器设计

  曾成龙, 刘强

  针对基于嵌入式现场可编程门阵列(FPGA)平台的卷积神经网络加速器由于资源有限导致处理速度受限的问题,提出一种高性能卷积神经网络加速器.首先根据卷积神经网络和嵌入式FPGA平台的特点,设计软硬件协同操作架构;然后在存储资源和计算资源的限制下,分别提出二维直接内存存取分块和权衡数字信号处理单元与查找表使用的优化策略;最后针对人脸检测的应用,对SSD网络模型进行优化,采用软硬件流水结构,提高人脸检测系统的整体性能.在XilinxZC706开发板上实现此加速器,实验结果表明,该加速器可达到167.5 GOPS的平均性能和81.2帧/s的人脸检测速率,其平均性能和人脸检测速率是嵌入式GPU平台TX2的1.58倍.