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6期

• 结合局部区域特征的自适应简化率网格简化算法

  杨煜, 冼楚华, 李桂清

  现有的网格简化算法通常要求人为给定模型整体简化率或者设置几何、颜色、纹理等属性的约束,如何合理地设置这些阈值对没有经验的用户来说比较困难.文中结合监督学习的方法,构建一个多层感知机模型来实现局部区域自适应简化率的预测.该感知机模型能根据网格模型不同区域的局部几何特性,提取出相应的特征,并根据这些特征进行分类.不同的分类对应着不同的简化率,从而在简化网格时根据分类对不同区域设置不同的法线偏差阈值,实现自适应简化率的网格简化算法.为证明该算法的效果,实验中选择不同种类和复杂程度的三维网格模型进行了简化,并与基于QEM能量函数的简化算法进行了整体简化率和简化后的视觉效果的实验对比,结果表明,相对于传统整体简化算法,这种基于局部区域特征设置自适应简化终止条件阈值的简化算法,能有效地根据几何特性对网格进行自适应简化,在保持模型细节的同时,提高了网格的整体简化率.

• 空间位置耦合的地理社交网络可视化布局算法

  张政, 江南, 张俊, 曹一冰, 曾梦熊

  针对传统力引导布局算法无法兼顾节点初始地理空间位置特征的问题,提出了空间位置耦合的力引导算法(SCFDA),该算法在节点布局时,使节点除了受到胡克引力和库伦斥力影响外,还受到来自节点隶属的空间社团的中心重力和边界斥力影响,这样节点将在一定地理空间范围约束下实现布局和位置调整.在计算中心重力时顾及节点的内部度因素,使得内部度越高的节点越靠近空间社团的中心,在计算边界斥力时兼顾节点的外部度因素,使得外部度越高的节点越靠近空间社团的边界.利用2组社交网络签到数据集Gowalla和Brightkite进行了实验,通过兼顾内部度和外部度因素的综合评价指标值E(G)对实验结果进行评价,横向对比实验结果表明,SCFDA的E(G)值约为传统力引导布局算法的十分之一,而E(G)值越小则代表布局结果在顾及节点空间位置特征方面越合理;纵向对比实验结果表明,SCFDA在不同数据集和不同数据量上均具有普适性.

• 抵抗唯密文攻击的可分离加密域可逆信息隐藏

  黄梦雪, 和红杰, 陈帆

  为提高密文图像安全性和算法的可逆性,提出一种抵抗唯密文攻击的可分离加密域可逆信息隐藏算法.图像拥有者将图像不重叠地分块后,采用不同密钥分别异或加密块内像素的高3位和低5位,再进行块置乱得到密文图像.信息隐藏者利用像素波动性和无损压缩技术获得较大的嵌入容量,以位翻转方式隐藏附加信息,并通过记录像素波动性实现算法的完全可逆.图像接收者既可无差错提取信息,又可无损恢复原始图像.选取Uncompressedcolor image database图像集中的图像进行实验,结果表明,在数量为20,50,70,100的密文图像集上实施唯密文攻击所得流密码正确率均为50%左右,有效地提高了算法抵抗唯密文攻击的能力;与3种同类算法相比,该算法的隐藏容量分别提升了145.69%,148.21%,240.85%,且得到的解密图像质量均提高约5 dB.

• 基于Faster R-CNN的零件表面缺陷检测算法

  黄凤荣, 李杨, 郭兰申, 钱法, 朱雨晨

  针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类算法生成anchor对检测结果的影响,提出了基于聚类生成anchor方案的Faster R-CNN的零件表面缺陷检测算法,并引入多级ROI池化层结构,减少ROI池化过程中取整带来的偏差,实现高效并准确检测零件表面缺陷的目的.通过设计缺陷图像数据采集方案,建立了3种缺陷零件数据集,并验证了算法的性能.实验结果表明,该算法将缺陷检测的均值平均精度mAP从原算法的54.7%提高到97.9%,检测速度最快达到4.9 fps,能够满足智能制造的生产需求.

• 结合注意力机制的跨域服装检索

  刘玉杰, 王文亚, 李宗民, 李华

  针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.

• 数据与模型双驱动的高效压缩感知磁共振成像重构算法

  张宇夕, 马龙, 刘日升, 程世超, 樊鑫, 罗钟铉

  传统压缩感知磁共振成像重构算法基于先验构造与迭代求解,通常具有很低的计算效率,近期提出的深度方法依赖训练数据与结构设计,因此泛化能力差.针对两者的问题,提出一种高效鲁棒的重构算法以实现性能与效率的平衡.算法从互补的视角出发,对细节恢复和伪影去除2个问题分别构建模型驱动的先验表达过程与数据驱动的深度预测过程,实现了领域知识与深度信息的充分融合;交替迭代的求解机制保证中间结果被及时修正,进一步引导解序列沿着理想的传播方向逼近目标解.针对T1加权与T2加权数据的实验结果表明,与现有先进算法相比,所提算法在3种采样模板与5种采样频率下均能实现更高的重构精度,且提高了在GPU与CPU上的计算效率,进一步实验表明所提算法对采样部位差异与莱斯噪声干扰具有更强的鲁棒性.

• 基于条件生成对抗网络的图像描述生成方法

  黄远, 白琮, 李宏凯, 张敬林, 陈胜勇

  图像描述,即利用电脑自动描述图像的语义内容一直是计算机视觉领域的一项重要研究任务.尽管使用卷积神经网络(convolutional neural networks, CNN)和长短期记忆网络(long short-term memory, LSTM)的组合框架在生成图像描述方面解决了梯度消失和梯度爆炸问题,但是基于LSTM的模型依赖序列化的生成描述,无法在训练时并行处理,且容易在生成描述时遗忘先前的信息.为解决这些问题,提出将条件生成对抗网络(conditionalgenerativeadversarial network, CGAN)引入到描述生成模型训练中,即采用CNN来生成图像描述.通过对抗训练来生成句子描述,并结合注意力机制提升描述的质量.在MSCOCO数据集上进行测试,实验结果表明,与基于CNN的其他方法相比,文中方法在语义丰富程度指标CIDEr上取得了2%的提升,在准确性指标BLEU上有1%左右的性能提升;同时,其在部分指标,尤其是语义指标上超过了基于LSTM模型的图像描述方法的性能;证明该方法生成的图像描述更接近图像的真实描述,并且语义内容更加丰富.

• 三维CT层间图像超分辨重建与修复

  林毓秀, 刘慧, 刘绍玲, 张彩明

  CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.

• 基于增强动态稠密轨迹特征的布料材质识别

  夏海浜, 缪永伟, 张佳婧, 丁佐华

  为了克服基于视频的布料材质识别中由于忽略了动态因素的影响导致材质识别准确率低的难点,利用布料仿真视频库,提出一种基于增强动态稠密轨迹特征的布料材质识别方法以有效识别布料的材质属性信息.首先利用材质合成方法构造64种不同材质的布料仿真视频数据库;然后利用构造的布料动态视频库,通过迁移预训练的VGG网络增强布料动态视频的各帧特征信息,并消除部分非动态特征;其次利用动态稠密轨迹特征描述布料视频的动态特征,以充分捕捉不同布料材质视频的动态信息;最后通过Fisher向量编码生成布料动态信息的特征数据库,并训练SVM分类器建立布料材质视频动态信息到材质属性参数的映射.利用构建的布料仿真视频库作为数据集进行实验的结果表明,该方法对64种不同布料材质视频的材质种类识别准确率达到73.83%.

• 面向社交媒体的高质量内容识别

  赵泉, 胡骏, 方全, 钱胜胜, 徐常胜

  如何从海量多媒体文章中自动识别高质量内容是信息推荐、搜索引擎等系统的核心功能之一.现有的方法在训练中依赖大量的人工标注数据.针对其未考虑社交媒体中的社交信息和视觉内容的问题,提出一种基于正无标记(positive and unlabeled, PU)学习的图卷积高质量文章内容识别模型--基于PU学习的图卷积网络(graph convolutional network based on positive and unlabeled learning, GCN-PU),在统一的框架中使用一个异构网络同时建模社交媒体文章的文本和社交信息,并在该网络上使用图卷积网络来融合这些信息得到高阶特征.另外,使用多媒体文章的全局视觉布局信息来捕捉文章的综合视觉质量特征,用于补充图卷积网络输出的高阶特征.最后,在训练机制和损失函数中引入了PU学习来充分利用社交媒体中大量未标注的文章信息.在真实社交媒体数据集上的实验结果表明,相比于现有的方法, GCN-PU方法的F值提升了3%以上.

• 热核距离下的3D对称图形匹配算法

  张洁琳, 李研, 魏盼, 张露, 赵瑞莹, 金川

  对称混淆问题一直是图形匹配的难点之一,其中,特征点选取、对称点检测、初始匹配对最终匹配结果影响很大.针对此问题提出了一种基于热核的3D对称图形匹配算法.在前期工作基础上,考虑测地线在对称图形检测中的不足,提出一种以热核信号(HKS)为工具的算法.首先将HKS采样和最远点采样结合并融合采样,获得分布稳定且具有代表性的特征点;其次用HKS进行特征点分类实现对称点的准确检测;然后再利用基于热核的一点匹配算法进行初始匹配,以提高正确率;最后利用LS_MDS算法将图形嵌入到欧氏空间并投影到2D平面,根据投影中顶点的法向以及网格上的曲率信息,标定图形方向,最终完成对称匹配.在TOSCA数据库上进行数值实验,并将文中算法与已有的经典算法进行比较,结果表明,该算法不仅提高了匹配准确率,而且适用于较特殊的对称混淆问题,如大猩猩对称图形的匹配问题.

• 多尺度残差通道注意机制下的人脸超分辨率网络

  金炜, 陈莹

  针对当前人脸超分辨率算法中存在效率不高和重建失真等问题,提出一种基于多尺度残差通道注意机制的人脸超分辨率网络.该网络采用多尺度递进形式的结构,能够同时处理不同的上采样因子.同时,为了解决冗余和无效信息给网络造成的影响,在网络的特征重建模块中引入了通道注意力机制,并融合人脸解析信息提出一种残差通道注意块,不仅提高了网络特征利用率还加强了人脸先验的约束力度.与现有算法在Helen, CelebA和LFW数据集上进行的实验结果表明,该算法无论是主观视觉质量,还是峰值信噪比和结构相似性等客观评价指标,都明显优于现有其他算法.

• 限制型自适应SUSAN边缘检测算法

  刘丹, 王运宏

  对于边缘检测中传统SUSAN(smallest univalue segment assimilating nucleus)算法,固定门限会将非边缘点划入核值相似区(univalue segment assimilating nucleus, USAN),并经过单一阈值判断,非边缘点易被误判为边缘点,导致算法的低鲁棒性.针对此问题,提出了结合自适应门限算法和阈值选择策略的限制型自适应SUSAN算法.首先,分析SUSAN算法优缺点,根据USAN特点以及同异侧噪声容忍度范围设置阈值选择策略,减少误判并提高噪声鲁棒性;然后采用与USAN内像素值正相关的自适应门限算法,进一步增强边缘检测能力.在标准测试图像以及不同类型噪声的经典灰度图中实验结果表明,相比于传统SUSAN算法和Canny, Prewitt, Sobel, LoG, Roberts等边缘检测算法,该算法在客观图像评价指标FSIM值,PFOM值和准确率上均高于其他算法;而在主观视觉上,在无噪条件下能够更好地抑制纹理区域像素干扰,检测边缘更完整丰富.特别是在大量噪声干扰导致其他算法均失效的情况下,该算法在抑制噪声的同时,仍能有效地检测出图像边缘.

• MBSE使能动车组高压系统领域智能高效生成方案

  袁文强, 王保民, 陈波, 秦飞巍, 邵艳利

  针对采用基于模型的系统工程(MBSE)思想进行产品创新性设计中存在的问题,如需要额外增加大量的建模工作量、难以重用已有的企业丰富设计经验、设计方案生成效率低等,以动车组高压系统为研究对象,提出一套完整的系统架构智能高效生成流程,使能动车组高压系统智能创新设计,具体内涵为:基于MBSE思想,扩展系统建模语言元模型,构建动车组高压系统领域功能知识库和组件库,复用已有设计经验,定义一套完整可行的动车组功能到组件映射规则,设计一个高效的候选设计方案生成算法.以中国标准的250 km/h动车组高压系统为实验对象,提出的方法针对给定的动车组功能模型能够自动生成5个有效的候选系统架构,并从功能性、鲁棒性、风险性、成本、整体性能5个维度评价每种候选系统架构,提升动车组设计师系统建模效率,启发设计师创新过程.

• 面向术前皮瓣设计: 三维创面的形态学展开与分析

  纪小刚, 栾宇豪, 张溪溪, 张建安, 胡海涛

  临床上由于创伤所致的皮肤等软组织缺损创面形状常不规则,目前仅采用样布描记皮瓣形状进行术前设计,其方法较为粗糙,所切取皮瓣往往无法与创面相契合,且影响术后外观.为解决这类问题,提出一种基于层次值的皮肤创面形态学展开方法.首先对皮肤创面进行层次划分,分层拓扑映射至平面.然后结合力学方法模拟皮肤的应力和应变,分层优化皮肤创面的展开形状,实现局部创面和创面整体的并行优化.最后对生成的皮肤展开轮廓进行光顺,得到面向术前皮瓣设计的指导方案.通过对十几例不同部位的皮肤创面进行展开与分析,结果表明,文中方法获得的展开结果能更好地与皮肤创面相契合,展开后的面积和边长平均偏差值缩小至10%以内.

• 虚拟乒乓球手的强化学习训练方法

  黎子聪, 曾繁忠, 吴自辉, 聂勇伟, 冼楚华, 李桂清

  沉浸感是虚拟现实应用的重要特征之一,而虚拟场景中角色行为的智能性与真实性对虚拟现实应用的沉浸感有着显著影响.利用强化学习方法对球拍的击球策略进行训练,根据乒乓球游戏规则设计了一系列奖励函数,使之能根据来球起点位置与初始速度生成球拍的有效击球轨迹;进而以球拍轨迹约束虚拟球员的持拍手腕关节,采取逆向运动学与强化学习相结合的方法估计出球拍击球时虚拟球手的击球动作,得到能用合理姿态进行成功击球的虚拟球手.消融分析实验验证了所提出的奖励函数的合理性与有效性;测试实验则表明,所设计的虚拟球手能以合理的击球动作击球,成功率达到93%以上,与基于模仿学习的方法相仿,且高于其他方法;但基于模仿学习的方法需要物理采集训练数据,而训练强化学习网络所需的数据只需随机生成,所需代价更低.

• 指定逻辑的电路最小项扰动算法

  高文超, 罗世玲, 周强

  针对现有的基于最小项的伪装算法不能稳定地生成最小项扰动电路,而且不能控制指定逻辑,使得该技术难以在实际电路中使用的问题,提出了一种最小项扰动算法,通过引入原始输入信号并缩小受逻辑门影响的最小范围,快速找到单个最小项扰动.同时,可以任意设计特定逻辑:特定输出、特定门和特定最小项.首先,将多输出电路分成多个单输出电路并指定任何输出;然后可以指定电路的任何门,并使用敏化和FAN技术获得所有扰动的最小项;最后,导入原始信号确定伪装电路中的唯一扰动最小项.该算法可用于设计只能被特定电路使用的电路模块.在ISCAS’89基准电路和OpenSPARC微处理器控制器进行测试,该算法可以在2 s内确定特定电路的最小项,正确率超过80%.证明文中最小项扰动算法可以灵活、高效地选择最小项进行修改,并且保证修改成功.