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2020年第2期

• 透明物体的三维重建综述

  吴博剑, 黄惠

  透明物体的三维重建一直以来都被认为是很有挑战性的问题.不同于传统重建算法对物体表面的漫反射属性假设,因为透明物体与光线之间存在复杂的,如反射和折射等,与视角相关的光学效应,将导致传统重建算法无法直接应用在透明物体上.文中简要介绍透明物体的三维重建相关研究,围绕从X恢复形状、反向渲染技术、断层摄影技术和直接光线测量这4个方面回顾了近些年来的主要研究工作,分析并指出当前工作的优缺点以及不同的应用环境,展示了这一挑战性问题的研究现状和发展趋势,并探讨了未来有潜力的研究方向.

• 多源大学生心理健康调查问卷数据可视分析

  陈小芳, 童敏, 石晨, 张永, 张靖宇, 陈析敏, 周志光

  心理健康调查问卷广泛用于发现、检查和治疗大学生群体潜在的精神障碍和心理疾病,如经典的大学生人格问卷(UPI)和症状自评量表(SCL-90).不同问卷的调查角度存在差异,往往容易导致分析结果不尽相同,给大学生心理健康状况的综合调查、协同分析和精准治疗等带来挑战.为有效地挖掘多源调查问卷之间的关联,降低心理健康分析的不确定性,设计了面向多源调查问卷数据的大学生心理健康可视分析方法.首先,面向学生个体,设计多源心理健康调查问卷数据可视化,利用Circos技术展示具体答题信息及多源问卷关联情况;进而设计平行坐标系,直观地展示问卷属性的分布情况,引导用户交互式地确定平行坐标轴排列顺序,有效地呈现多源调查问卷属性之间的相关性;根据多源问卷属性信息,利用降维算法将大学生个体心理健康状况展示于低维坐标系中,设计几何空间差异度量方法以有效地评估多源问卷调查分析结果的不确定性,并且利用颜色映射有效地引导用户关注分析结果不确定的学生个体心理健康状况,从而实现心理健康状况的综合判断和追踪分析.集成上述问卷展示及分析功能,设计面向多源问卷调查数据的可视分析系统,提供便捷的用户交互模式,为用户深入探索和挖掘大学生心理健康状况提供有效手段.基于真实多源问卷调查数据的案例分析及用户反馈结果,进一步验证了文中工具的有效性和实用性.

• 基于Laplace-Beltrami算子特征向量的三维模型特征点检测与分析

  许晨凯, 蔺宏伟

  针对三维模型的特征点检测问题,提出一种基于Laplace-Beltrami算子的特征点检测算法.对于给定的三维网格模型,首先构造离散Laplace-Beltrami算子矩阵,求解特征值与特征向量,随后在不同频率的特征向量上检测局部极值点和鞍点,最后通过基于特征值的加权公式把检测结果结合起来,实现对特征点不同显著度的可视化.实验对选取自SHREC2010数据集的三维网格模型进行特征点检测,在VS2013平台上使用OpenGL进行可视化.结果表明,文中算法在三维网格模型上取得准确的检测结果,在高噪声的模型上具有鲁棒性,对等距模型能得到高度相似的结果,并且能通过分布式计算处理大尺寸的三维模型.

• 基于正则化一维卷积神经网络的网格模型显著性检测

  朱奕杰, 蔺宏伟

  三维形状的显著性在形状分析与处理中有不可忽视的作用.现有的三角网格显著性检测方法大多依赖某种人工设计的几何特征,缺乏灵活性.为此,提出一种基于特征融合学习的显著区域检测方法,以适应不同类别的形状.首先计算形状的多种几何特征,然后把多尺度的低层次特征输入到一维卷积神经网络中;通过优化中心正则化损失函数,得到高层次、可判别的特征向量,同时也得到显著区域检测结果.在普林斯顿网格数据集上的实验结果表明,该方法适用于不同形状的显著性检测,检测结果具有一致性,并且相比对照算法具有更好的视觉效果和定量化指标评价.

• 能量约束下的Bézier曲线构造

  韩志红, 朱春钢

  Bézier曲线是计算机辅助几何设计中应用广泛的曲线造型工具,构造具有能量约束的曲线也是曲线造型研究的重要内容之一.构造给定首末控制顶点与初始切方向的Bézier曲线,当其满足jerk能量极小时,其余控制顶点可以由已知条件与参数α确定;其中α与初始切向量长度有关.当曲线满足弯曲能量约束时,参数α唯一确定,从而对有序点集,可以显式地构造满足jerk能量极小与弯曲能量约束的G^1拼接组合Bézier曲线.最后,通过具体实例构造通过给定有序点集且满足能量约束的组合Bézier曲线,并与其他方法所得结果进行对比,验证了方法的有效性与可行性.

• 基于分层学习的三维模型兴趣点提取算法

  舒振宇, 杨思鹏, 辛士庆, 刘予琪, 龚梦航, 庞超逸, 胡超

  针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.

• DFP优化的数据点渐进迭代拟合方法

  张莉, 赵志远, 葛先玉, 张能俊, 姚红丽, 檀结庆

  DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.

• 用内法向量与二次误差度量修补三角网格孔洞

  吴晓婧, 寿华好, 邵茂真

  为了高效地修复含孔洞的三角网格模型,提出基于内法向量与二次误差度量(QEM)的孔洞修补算法.在识别孔洞边界之后,计算边界点的凹凸性与对应夹角角度,并利用最小角-曲率原则寻找最优修补点;根据三角形生成原则以及内法向计算方法生成新的三角形完成粗修补;最后利用二次型误差滤波函数对粗修补的网格进行优化处理.在VisualStudio2013环境下,对不同种类的含孔洞模型,利用提出算法以及孔洞修补经典算法进行实验,结果表明,文中算法修补的网格质量优于对比算法.

• 面向血液循环系统仿真的全身血管重建

  杜洋涛, 张小瑞, 朱利丰

  血管的点云数据表示在医疗中有着重要的作用,可以帮助医护人员直观地了解血管的几何信息.对于医疗辅助技术、放射学模拟等应用中,除了对局部的血管系统几何信息进行可视之外,也需要对全身血管进行准确的仿真建模,从而对整体血管系统的拓扑及几何信息都需要进行系统性的重建.传统骨架提取技术无法保证血管模型正确的连接拓扑,提出了一种基于点云数据的交互式全身血管模型重建方法,通过对血管数据分段和拟合,并分析各段血管端点连接情况,重建了一种带有血管截面半径信息的全身血管一维骨架模型,且该模型能直接用于血流血压等仿真.与已有方法相比,其优势在于能应用于大规模的复杂的全身血管点云数据,且重建的模型可以直接用于仿真.BodyParts3D数据集下实验结果表明,与已有方法相比,文中方法重建的全身血管一维骨架模型具有准确的拓扑连接,能够生成更好的仿真效果.

• 空间曲线基于内在几何量的高质量采样和B样条拟合

  凌海雅, 赵仕卿, 陆利正, 汪国昭

  为解决均匀参数采样在许多情况下得到质量不高的采样点,进而生成不理想的B样条拟合曲线,提出空间曲线基于内在几何量的均匀采样方法,以获得给定总数且具有代表性的采样点.首先定义基于弧长、曲率和挠率加权组合的特征函数,通过调整组合参数更好匹配不同的曲线形状;然后提出空间曲线基于内在几何量的自适应采样方法,迭代生成满足给定距离阈值的采样点.采用最大绝对误差和均方根误差作为评价指标,与均匀弧长采样方法和基于弧长和曲率平均的均匀采样方法进行对比,并通过实例进行验证.结果表明,文中方法在采样质量和B样条拟合结果上获得明显改善.

• 结合视觉惯性模组的室内三维布局鲁棒重建方法

  张宏鑫, 方雨桐, 利明

  针对使用传统单目相机的全自动三维重建方法结果精确度差和整体结构理解缺失等问题,提出一种结合视觉惯性里程计和由运动到结构的全自动室内三维布局重建系统.首先利用视觉里程计获得关键帧图像序列和对应空间位置姿态,并利用运动恢复结构算法计算精确相机位姿;然后利用多图视立体几何算法生成高质量稠密点云;最后基于曼哈顿世界假设,针对典型的现代建筑室内场景,设计一种基于规则的自底向上的布局重建方法,得到最终房间外轮廓布局.使用浙江大学CAD&CG实验室场景现场扫描数据集和人工合成的稠密点云数据集作为实验数据,在Ubuntu 16.04和PCL 1.9环境下进行实验.结果表明,文中方法对三维点云噪声容忍度高,能够有效地重建出室内场景的三维外轮廓布局.

• 折棍变分贝叶斯图像分割算法

  董道广, 芮国胜, 田文飚

  为提高图像分割的抗噪鲁棒性并解决分割数目的自适应确定问题,通过在聚类标签先验概率的折棍构造过程中建立Markov随机场,将空间相关性约束引入Dirichlet过程混合模型的概率建模,使聚类的空间平滑性得以增强,并采用变分推断方法获得聚类标签的收敛解析解,提出一种基于折棍变分贝叶斯推断的图像分割算法,实现了对像素聚类标签和分割数目的同步自适应学习,避免了传统方法中因引入空间相关性约束而出现的计算复杂问题.基于Berkeley BSD500图像测试数据集的数值实验结果表明,该算法具有比现有的混合模型聚类图像分割算法更高的PRI值,且在低于0.1的噪声方差条件下表现出了更优的抗噪鲁棒性.

• 人体前景的自动抠图算法

  冉清, 冯结青

  在基于立体视觉的人体建模系统中,背景像素的移除可以减少不必要的立体匹配计算,提高人体模型重建效率.为此,在给定大量具有前景Alpha蒙板真值的人体图像作为训练数据的前提下,提出了一个端到端的深度学习网络,以实现系统采集图像中人体前景自动抠图.该深度学习网络包括2个阶段:人体前景分割阶段和人体前景Alpha抠图阶段.在人体前景分割阶段,采用Mask R-CNN网络中的目标检测和掩码生成2个负载,并结合训练数据进行迁移学习,得到了适用于人体前景二值化分割的模型网络.在人体前景Alpha抠图阶段,采用Encoder-Decoder网络架构实现Alpha蒙板的自动预测.首先引入核为5的非学习卷积层,以上一个阶段的二值化分割结果作为输入,自动得到三分图Trimap,再和人体前景训练数据一起作为此阶段抠图网络的输入;经过学习迭代,获得能够预测人体前景Alpha蒙板的模型网络.在实验部分,以单幅系统采集人体图像为输入,无需额外先验和人工交互,可以自动估计人体前景Alpha掩码结果.用户测试结果以及与其他方法的对比和分析证明了文中算法的可靠性和鲁棒性;同时,该自动抠图算法还对其他公开数据集的人体图像进行了掩码预测,实验结果表明该算法具有一定的泛化能力.

• 结合BEMD与Hilbert曲线的重复嵌入图像水印算法

  王小超, 胡坤, 胡建平

  为解决数字图像水印算法中水印图像与宿主图像在嵌入时尺寸匹配上的局限问题,并提高图像水印算法在抗大尺度剪切、高斯噪声和椒盐噪声等攻击的鲁棒性,提出一种结合二维经验模态分解算法(BEMD)与Hilbert曲线的重复嵌入图像水印算法.首先,利用Arnold变换对水印图像进行置乱处理,以增加水印图像的安全性;其次,利用Hilbert曲线将置乱后的二维水印图像进行数据降维,得到一维水印信号.数据降维不仅有效地解决了嵌入时水印图像与宿主图像在尺寸匹配上的局限,同时也进一步置乱了水印图像,加强了水印图像的安全性.对宿主图像进行BEMD分解得到不同尺度下的内蕴模态函数和余量信息,并检测第1个内蕴模态函数对应图像的极值点作为水印嵌入位置.最后,依据人类视觉系统的纹理掩蔽特性,将一维水印信号按照从左至右、自上而下的顺序依次、重复嵌入到第1个内蕴模态函数对应图像的极值点中,并结合剩余内蕴模态函数及余量信息重建得到嵌入水印后的图像.水印图像的提取为该嵌入过程的逆过程.通过对多组图像进行水印嵌入,得到嵌入水印后图像的峰值信噪比均在40 dB以上;对嵌入水印后图像进行高斯噪声、椒盐噪声、大尺度剪切等攻击实验,得到提取水印图像与原始水印图像的归一化相关系数均在0.96以上.实验结果表明,嵌入水印图像具有良好的不可见性,并对高斯噪声、椒盐噪声,特别是对大尺度剪切具有较强的鲁棒性.

• 结合多尺度HOG特征和语义属性的合成素描人脸识别

  许佳奕, 薛鑫营, 李建军, 茅晓阳

  合成素描的人脸识别问题属于异质人脸识别研究领域,在刑侦领域具有重要的实际应用.由于合成素描与人脸照片属于不同模态,对不同模态人脸进行鲁棒的表征是识别的关键.针对合成素描人脸在某些区域缺乏纹理细节,单纯依赖局部细节特征识别率较低的问题,文中提出一种融合多尺度HOG特征并加以语义属性约束的合成素描人脸识别的算法.首先提取出合成素描人脸的全局HOG特征以及五官等关键部位的局部HOG特征来表征人脸的整体结构特征和细节特征,之后将得到的整体结构特征和各个部位的细节特征进行分数层融合,最后用语义属性特征对匹配结果进行重排序.在PRIP-VSGC和UoM-SGFS数据集上进行验证,文中算法rank10的识别率分别达到88.6%和96.7%,与现有算法相比有明显的提高.

• 基于多视角的高精度三维人脸重建

  蔡麟, 郭玉东, 张举勇

  提出了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题.首先,通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片,然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系.通过对应关系可以恢复出人脸的点云,并利用基于明暗恢复几何的方法来恢复人脸细节.在真实数据以及合成数据下的实验结果表明,文中方法能够恢复出带有几何细节的高精度的三维人脸模型,并且提高了现有方法的重建精度.

• 面向关节坐标运动数据重定向的通用双向循环自编码器

  周阳, 李书杰, 朱海生, 刘晓平

  针对面向关节坐标表示的骨骼运动数据重定向网络缺乏通用性的问题,提出一种能够实现源骨骼到多种骨骼运动重定向的通用双向循环自编码器.该自编码器由基于关节坐标表示的运动数据以重建误差为损失函数训练得到.在完成训练后,首先用自编码器计算源运动数据对应的隐变量和重建运动,然后对重建运动施加骨骼长度约束、足迹约束、根关节位置约束以及骨骼角度约束,并将损失反向传播至隐变量空间中优化隐变量,通过多次迭代得到重定向后运动.在CMU运动数据库上的实验结果表明,提出的自编码器及4种约束能够实现基于关节坐标表示的运动数据的重定向,并且得到的重定向运动在骨骼长度误差、骨骼角度误差、末端效应器轨迹以及平滑性上具有更好的效果.

• 质点弹簧模型在牙龈软组织形变仿真上的改进与应用

  马天, 李娇娇, 李占利, 李远成

  牙龈软组织的形变仿真和建模是虚拟牙齿矫正系统的重要部分.针对外力过大时传统质点弹簧模型引起的牙龈脱落牙齿的"超弹性"问题,在传统"面模型"的基础上,通过对比形变效果和形变速度来设置形变弹簧最优阈值.当形变弹簧缩短或伸长超过阈值时,将弹簧长度恢复为原始长度以作为下一次单步形变的初始长度,从而使面模型具有一种"体"的特征.在形变结束后采用"光滑度之和"来度量牙龈表面的光滑度,该方法从数值上对光滑度进行合理定义.在VTK环境下实现改进模型及相关模型,在真实扫描的牙颌三维模型数据上进行牙龈软组织形变仿真对比实验.结果表明,改进模型形变速度提高28%以上且光滑度之和明显降低,说明改进模型在保证较快形变速度的前提下较好地解决了超弹性问题.

• 非对称亲密度的同伴行为仿真方法

  范紫璇, 何武, 毛艳

  行为仿真在紧急疏散、智能控制等领域占据重要位置,其中,大多数侧重于单一的个体运动或者群体的聚集行为,而对同伴之间的行为交互关注较少.为更真实地模拟同伴之间的交互行为,从同伴的认知心理、社会关系强度和观点一致性出发,研究同伴群体的动态形成以及疏散行为的多样性和高效性.首先,构建一个基于非对称亲密度的同伴关系总体框架,包含亲密度关系建模和环境熟悉度的判定.然后,通过非对称亲密度的计算方法,处理同伴群体动态形成问题.结合环境熟悉度提出改进的领导者-跟随者模型,模拟同伴疏散行为.最后,在Unity3D引擎环境下对篮球场、超市、公园等场景中的同伴交互行为进行模拟,并将提出方法与对称亲密度方法和群集系统方法实现同伴聚集进行效率对比.在分辨率为80×80的场景中对200个同伴个体的交互行为进行仿真,平均帧速率为46.8帧/s,平均同伴群组聚集效率为87.3%,平均同伴交互行为完成时间为4.78 s.实验结果表明,非对称亲密度的领导者-跟随者同伴行为仿真方法能将宏观的群体行为具体化,对动态的同伴群组进行有效模拟,仿真效果具有多样性和高效性.