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3期

• 基于权重能量自适应分布的三维形状分割算法

  舒振宇, 杨思鹏, 辛士庆, 庞超逸, 杨雨璠, 胡超

  针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.

• 面向法向域网格建模的非线性引导滤波

  郭清华, 赵勇

  网格建模是数字几何处理领域的基础性研究问题.为了提高网格建模的简便性和鲁棒性,首先提出了一种非线性的引导滤波算法.滤波过程在法向域进行,滤波后的法向是引导网格法向的局部二次变换;然后,应用上述算法研究了建模方面的2个重要问题:网格去噪和网格平滑,其中的难点在于如何构造合适的引导网格.针对去噪问题,每次迭代时利用双边法向滤波得到引导网格;针对平滑问题,引导网格以高斯滤波结果作为初始值,进而结合原始网格不断进行更新;最后,在形状复杂或特征丰富的网格模型上进行了去噪、平滑等实验,结果表明,该算法简单实用、鲁棒,去噪时能够有效地去除强噪声,保持模型的几何特征;平滑时能够提取出中小尺度的特征,保留大尺度的特征.

• 低次非均匀三角Bézier曲面的最小二乘渐进迭代逼近性

  胡倩倩, 张燕慧, 王国瑾

  渐进迭代逼近(简称PIA)是一种直观有效的数据拟合方法.经典的PIA方法要求曲面控制顶点的个数等于拟合数据点的个数,并不适用于大量数据的拟合.为了改造经典PIA方法,特别研究了使用最频繁的三角曲面用PIA来生成的算法,并重点考虑实际中最常用的低次情形.证明了低次(n=2,3,4)非均匀三角Bézier曲面具有最小二乘渐进迭代逼近(简称LSPIA)性质,并且迭代得到的三角Bézier曲面序列的极限就是数据点的最小二乘拟合.同时,还提供了如何选择合适的权值使得迭代拥有最快收敛速度的方法.实例验证了最小二乘PIA方法的有效性.

• 基于差异性累积与子空间传播的法向估计算法

  张杰, 尚星宇, 王茜微, 刘秀平, 崔利宏, 唐科威

  以分割为基础的法向估计算法主要是通过法向的差异来构造点之间的相似性.针对由于距离属性的缺失,使这类算法对于紧邻面及一些光滑曲面的估计结果并不理想的问题,提出基于差异性累积与子空间传播的法向估计算法,利用最短路将法向的差异性和点的位置信息相融合.首先,对于部分点的邻域,找到邻域点间的最短路,通过叠加最短路中点的法向差异,计算点之间的相似性;然后,利用谱分割对邻域进行分割,选择一子邻域估计此点的法向;最后,为了提高效率,提出法向约束的子空间结构传播算法,其余邻域的分割结果由已有的分割结果进行推断.在Fandisk等仿真数据和Armadillon等真实扫描数据上的实验结果表明,文中算法能准确地恢复模型的尖锐特征,有效地克服噪声及非均匀采样.

• 大规模真实感固流交互实时绘制方法

  唐勇, 刘培艺, 李颖, 张鹏, 吴德阳, 赵静

  针对大规模水面固流交互模拟过程中物体运动和水波扩散不真实且实时性差的问题,提出一种大规模水环境实时交互绘制方法.首先采用分区模拟的方法取代传统的整体高度细节方法,实时模拟大型水域环境,降低计算复杂度;然后在物体运动过程中引入波浪力,结合自定义风力因子实现物体随波逐流的运动效果;在交互波生成过程中,引入正态分布函数对物体三角形面片进行计算,以增强水面波生成的真实感;最后采用结合流体黏度和表面污染形成的衰减公式来改进波动方程,使水波扩散效果更加平滑稳定.实验结果表明,在保证实时性的基础上,该方法能更真实地模拟物体在水面上的运动,同时有效地表现交互过程中水波的生成与扩散过程.

• 三点插值的三次PH曲线构造方法

  方林聪, 李毓君

  为推广三次PH曲线的实际应用,研究在给定3个平面型值点条件下的三次PH曲线构造方法.三次PH曲线具有鲜明的几何性质和代数特征,采用平面参数曲线的复数表示方法,三次PH曲线的充分必要条件被表述为复代数系统.通过对给定型值点进行参数化,将复代数系统转化为一元二次复方程,求解方程即得三次PH曲线的控制顶点,从而得到2条构造曲线.应用该方法对模拟给定的若干平面型值点数据进行实验,比较了均匀参数化、弦长参数化、弧长参数化方法的不同效果,并计算弧长、弯曲能量、绝对旋转数来选取最优构造曲线.实验结果表明,该方法有效且易于计算,可应用于三次PH样条构造.

• 快速的布料碰撞检测和有效的接触摩擦算法

  吕梦雅, 宛月茶, 赵伟, 唐勇, 赵静

  为了快速处理布料的碰撞检测并获得真实的接触摩擦仿真效果,提出一种基于罚函数的碰撞/接触解决方案.首先,采用质点-弹簧模型进行布料的仿真模拟,在弹簧形变方向添加改进的阻尼力,以减少粒子之间的振荡来保证系统稳定性;其次,采用代数非穿透滤波器对连续碰撞检测算法进行简化求解,快速判断是否存在方程根,提高布料每帧运行的仿真效率;最后,采用库仑约束和接触约束对每个碰撞/接触对进行约束,并结合改进的罚函数法有效地响应所有的碰撞/接触对.实验结果表明,该算法在CPU仿真环境下能快速有效地处理布料的碰撞和接触摩擦,模拟出布料复杂的物理行为,适用于实时的交互应用.

• 基于变分自编码器的人脸图像修复

  张雪菲, 程乐超, 白升利, 张繁, 孙农亮, 王章野

  基于卷积神经网络的人脸图像修复技术在刑事侦破、文物保护及影视特效等领域有着重要的应用.但现有方法存在着图像修复结果不够清晰以及结果多样化不足等缺点,为此,提出了一种基于变分自编码器的人脸图像修复方法.首先设计了一种变分自编码器的变种网络,通过引入生成对抗网络解决修复人脸图像不清晰的问题,同时对变分自编码器中的隐变量进行约束,使得其中各个维度相互独立,实现特征解耦操作;最后通过动态规划获得最佳分割边界,利用泊松图像编辑得到无缝融合的结果.在CelebA数据集上的实验结果表明,该方法获得了良好的图像修复结果,同时,通过显式地控制隐变量的不同维度,展现了不同属性的人脸图像修复结果.

• 散焦模糊量估计的相机加权标定方法

  汪蕾, 刘涛, 董琦聪, 冯结青

  相机标定在计算机视觉领域中有着至关重要的作用.绝大多数相机标定方法假设相机为针孔模型,且需要良好聚焦的图像来保证相机内外参估计的准确性.然而,这些条件会受到相机景深的影响.在薄透镜相机模型假设下,提出了一种加权相机标定的方法,其权重考虑了控制点的模糊量信息.首先对棋盘格标定物上的每一个角点进行散焦模糊量估计,在标定过程中,将散焦模糊量的大小作为一个权重加入到标定能量函数最小化过程中,使得标定精度得到提高.该方法简单高效,不需要额外的数码设备或者特别定做的标定物.在Intel Core i7处理器的计算机下,使用合成数据以及真实数据上进行的实验结果表明,文中方法能够有效减小重投影误差,提高张正友标定方法的标定精度.

• 面向人体动作识别的局部特征融合时间卷积网络

  宋震, 周元峰, 贾金公, 辛士庆, 刘毅

  针对3D人体骨架序列动作识别这一问题,提出了一种结合了局部特征融合的时间卷积网络方法.首先,对一个动作中整个骨架序列的所有关节点的空间位置变化进行建模,提取其骨架序列的全局空间特征;然后,根据人体关节点及连接关系的拓扑结构将全局空间特征划分为人体局部空间特征,并将得到的局部空间特征分别作为对应TCN的输入,进而学习各关节内部的特征关系;最后,对输出的各部分特征向量进行融合,学习各部分关节之间的协作关系,从而完成对动作的识别.运用该方法在当前最具挑战性的数据集NTU-RGB+D进行了分类识别实验,结果表明,与已有的基于CNN,LSTM以及TCN的方法相比,其在对象交叉(cross-subject)和视图交叉(cross-view)的分类准确率上分别提高到了79.5%和84.6%.

• 晶圆表面缺陷模式识别的二维主成分分析卷积自编码器

  刘珈彤, 余建波

  由于半导体制造过程的高度复杂性和动态性,各种过程故障通常导致晶圆表面出现各种缺陷模式.为了有效地识别晶圆表面缺陷模式从而及时地诊断和控制故障源,提出一种深度神经网络模型--二维主成分分析卷积自编码器(two-dimensional principal component analysis-based convolutional autoencoder, PCACAE).首先,提出一种基于改进的二维主成分分析算法(conditional2DPCA,C2DPCA)的图像卷积核,形成PCACAE的第1个卷积层;其次,对卷积输出进行池化操作并卷积编码重构,构建一个卷积编码器,并提取其编码部分作为PCACAE的第2层卷积层的初始化权值,从而形成一个深度网络模型,实现晶圆图像的特征学习;最后, PCACAE网络进行训练微调得到最终网络模型.将PCACAE应用于WM-811K晶圆图像数据库并与其他算法进行对比测试,实验结果表明, PCACAE在晶圆表面缺陷识别上的性能优于其他经典的卷积神经网络模型(如GoogLeNet,DensNet等),从而验证了该方法的有效性与工业可应用性.

• 基于网格多密度的古建筑图像特征匹配方法

  聂瑶瑶, 胡立华, 张继福, 张素兰

  古建筑图像三维重建中图像特征可靠匹配是影响重建效果的一个关键问题.为提高古建筑图像特征的匹配性能,提出了一种基于网格多密度聚类的特征匹配方法.该方法首先采用SIFT算子获取图像特征点;其次对图像进行网格划分,依据网格单元特征点密度确定图像锚单元、邻居单元、边界单元;然后依据局部区域密度相似性确定图像簇;最后对相似簇中的特征点依据最近邻距离比准则进行匹配.在中国古代建筑三维重建数据集和141幅山西晋祠古建筑图像上进行了实验,验证了算法的有效性.

• 图像局部区域匹配驱动的导航式拼图方法

  王若兰, 潘万彬, 曹伟娟

  为了改善传统拼图拼接过程费时低效、影响拼图趣味性的问题,提出了一种图像局部区域匹配驱动的导航式拼图方法.首先,使用Canny边缘检测算法自动从输入的原始拼图中检测并分割出所有拼图模块.其次,采用D2分布函数和统计直方图,自动构造每个拼图模块的量化描述符.同时,使用属性邻接图描述原始拼图中所有拼图模块之间的拓扑邻接关系.之后,拼接过程中用户若需要帮助,根据用户动态传入(未拼接完成)的当前拼图,采用上述2步提取和描述当前拼图中所有的拼图模块,并基于描述符相似度计算、KM (Kuhn-Munkres)算法和属性邻接图拓扑关系一致性,在当前拼图和原始拼图之间建立拼图模块对应关系.最后,根据对应关系和原始拼图对应的属性邻接图,自动确定并提示用户当前拼图中下一可行的候选模块.开发了相应的原型系统,针对多个常见的拼图开展实验结果表明,所提方法对拼接过程帮助直观、高效,且未降低拼图的趣味性;与主流的电子拼图方法相比,无需实时跟踪,无需事先配备拼图数据库或训练库,可运行于具有拍摄功能的智能设备,适用性更加广泛.

• 扩展相位拉伸变换的血管造影图像锐化

  徐鹏飞, 时合生, 周志青, 耿则勋

  针对目前传统血管造影图像锐化增强后大量细小血管变得模糊不清或丢失,甚至增强图像中血管周围产生大量背景噪声,提出一种相位拉伸核函数,形成基于扩展相位拉伸变换的血管造影图像增强算法.该算法将"S"型群延迟相位滤波器推广到线性群延迟相位滤波器,并从理论上证明,这种线性相位拉伸的逆变换相位近似于原图的归一化二阶梯度,将高频特征传统的梯度极值表达转换为角度表达,从而更有利于凸显、增强图像中的高频特征.同时,该算法还结合相对总变分理论,将像素的邻域总变分测度与邻域内在变分测度用于增强过程,使算法更好地突出边缘轮廓与结构纹理,抑制细碎杂乱纹理与背景噪声,克服了目前方法存在的不足.利用Matlab软件平台对DeepLesion, OASIS等数据集中的部分图像数据进行实验,与传统相位拉伸变换增强算法、基于相位一致性的血管造影图像锐化算法等进行对照分析,结果表明,增强后图像上细小血管明显清晰,背景噪声得到有效的抑制,平均梯度和信息熵提高均在50%左右,证明了算法的优越性与实用性.

• 复杂场景下遥感船舶的检测与分割定位

  杨浩琪, 姚红革, 王诚, 喻钧, 王飞, 纳钦

  遥感图像船舶识别是目标识别的一个重要领域,在海防和救援方面具有重大应用价值.但遥感图像中的船舶普遍存在云雾遮挡、陆地背景干扰和体积小等因素所造成的识别难的问题.为了能准确识别复杂场景下船舶目标,在网络的特征提取部分加入了视觉注意机制,增强网络提取船舶特征信息的能力;并采用多级特征提取和去量化操作的学习方法来解决船舶体积小的问题;采用难样本重学习的学习策略来弱化云雾遮挡和陆地背景的干扰.通过上述方法,船舶识别的综合准确率达到了92.56%,召回率达到了89.26%,与相同实验环境(PyTorch)下其他常见目标检测算法相比,精确率和召回率都有明显提升.实验结果表明,文中方法在一定程度上解决了复杂场景下船舶分割和识别难的问题.实验中所使用代码和部分结果详见https://github.com/curioyang/First_paper.

• 允许自由旋转的2个简单多边形匹配算法

  刘新阳, 雍俊海

  为了解决二维不规则排料问题中的匹配问题,提出了一种允许自由旋转条件下,2个无孔洞的简单多边形之间的匹配算法.该算法基于2个多边形可以自由旋转的假设,对它们之间NFP为凹或凸的情况,选择适当的匹配方法,找出一种使得其匹配后空隙尽可能小,同时保证其整体的矩形的规整度也较高的匹配方案;并用匹配空隙的利用率、匹配后整体面积的利用率,以及匹配后整体的矩形规整度等多个指标来衡量匹配的效果.实验选择于ESICUP中的部分代表性的多边形样例与多个算法进行对比实验,结果表明,该算法在任意旋转精度的要求下,均具有运行速度快的特点,可以很好地应用于服装排料等实际问题.

• 内部结构自支撑的三维打印浮体平衡优化算法

  王继东, 赵瑞斌, 魏明强

  为了使浮体能够在熔融挤压式三维打印机中一次成型,提出一种内部结构自支撑的浮体平衡优化算法.首先在给定漂浮姿势的输入模型内部,利用递归细分方法生成自支撑的格子结构,并把输入模型与格子结构组合为初始浮体模型.然后以初始浮体模型中格子单元体积为变量构建平衡优化方程,根据方程解算结果调整初始浮体模型中每个格子单元的体积,从而生成最终的浮体模型.实验结果表明,文中算法生成的浮体模型可以使用熔融挤压式三维打印机直接打印,打印的实体不但能够按照预设的姿势漂浮在液体中,而且具有较好的抗压能力;算法中的递归细分策略能够在模型内部产生较多的格子单元,具有节省打印材料的优势.

• 眼底图像质量分类综述

  张芳, 赵东旭, 肖志涛, 徐旭, 耿磊, 吴骏, 刘彦北, 王雯

  眼底视网膜是唯一可用肉眼直接并集中观察到动脉、静脉与毛细血管的部位,因而眼底图像成为医生诊断眼底疾病及糖尿病、高血压、高血脂等疾病的重要依据.高质量的眼底图像是医生对眼底疾病患者进行病情诊断与治疗的前提.根据眼底相机采集到的视网膜图像中眼底结构清晰度、图像对比度等条件对眼底图像质量进行分类成为一个既具有研究价值又极具挑战性的难点问题.首先简述了眼底图像质量分类的研究意义和实用价值,回顾了其发展历史;然后介绍了方法分类、每类方法的基本思想并梳理了各类方法中代表性算法及其特点;之后针对用于眼底质量分类的数据集,分析比较了主要眼底图像质量分类方法的性能.分析表明,传统方法中依据眼底结构特征判断视网膜图像质量相较于通用图像质量参数更加客观,而随着神经网络与机器学习的出现,在大数据驱动下,基于卷积神经网络的质量分类方法在准确率与鲁棒性方面性能更佳.最后对眼底图像质量分类未来的发展趋势进行展望.