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9期

• 基于二阶优化的地图重构算法

  孙国道, 王云超, 李藏, 蒋莉, 梁荣华

  空间数据可视化是信息可视化的重要组成部分,而地图则是空间数据可视化最常用的载体.生成与传统地图相似的简化地图能够提高研究人员与普通民众对空间数据分析和可视查看的效率和准确率.然而传统通过人工绘制得到重构地图的过程十分烦琐,现有算法生成的重构地图大都由矩形形式组成,导致地图结构化信息缺失.这些因素都会影响重构地图的可视化效果.通过数据简化以缩减边界数据量、直角化与去噪声以规范图形边界和消除边界毛刺、二阶优化求解以得到最优布局效果这3个步骤,实现地图重构及可视化的完整流程.文中选择我国部分省份以及美国除夏威夷和阿拉斯加外的地区作为测试样本.对比现有的空间有序正方化布局算法,该算法能更好地维持重构地图与实际地图在区域形状和邻域关系的相似度.

• 网格模型上基于线性插值的自适应保特征去噪算法

  岳少阳, 李楠楠, 王为莹, 王辉, 包敏泽, 蒋波

  网格去噪是改善扫描设备所得数据并为后续数字几何处理提供理想模型的重要步骤.针对近年来涌现出的各种网格去噪算法难以平衡好时间消耗和去噪结果之间的关系,提出一种高效的基于线性插值的框架性保特征去噪算法,将体现结构特征的充分磨光模型与包含综合信息的噪声模型进行联合分析,通过自适应的线性插值算法逐步从噪声模型中提取出特征信息加到光滑模型中,从而实现保持不同程度特征(从显著特征到微弱特征)的去噪结果.同时提出迭代去噪算法的迭代终止判别条件,可为不同迭代去噪算法提供自动且可靠的终止条件.大量在不同复杂度和不同噪声程度的模型上的实验结果表明,与现有的局部迭代算法相比,该算法取得更好的视觉效果和较低的均方角度误差值,能够保持不同程度的特征且具有较好的时间性能.

• 风格一致的书法匾额生成

  梁顺利, 章夏芬, 秦喆

  针对匾额上的书法字通常希望书法名家来题写而找名家不易的问题,提出一种使用优秀历史书法作品图像生成风格一致的书法匾额的方法:首先,从书法库中检索匾额所需内容,提取书法图像的笔画特征、结体特征和章法特征作为度量依据;接着,以内容中第1个书法字的风格为基准,计算多个书法词组内的风格一致性程度,按一致程度值排序;然后,对选中的书法词组图像进行分段连续光滑矢量化,以使缩放不失真,曲线段间保持C^1连续.最后,生成风格一致、颜色一致、大小一致的书法匾额.用CADAL书法库中3146幅单字图像进行匾额合成实验,结果表明,该方法对风格一致性分类的平均准确率为0.97,用户对所生成的匾额基本满意.

• 跨域变分对抗自编码器

  白静, 田栋文, 张霖, 杨宁

  现有跨域图像生成算法通常要求用户提供成对数据,且生成能力有限,往往仅支持一对一的跨域图像生成.针对以上问题,提出了一种跨域变分对抗自编码器框架,在不提供任何成对数据的前提下,实现了跨域图像的一对多连续变换.假定来自不同域的图像共享相同的内容属性,且拥有独立的风格属性,则跨域图像一对多连续变换问题可转换为图像内容属性和风格属性的解耦、编码、拟合和跨域拼接.首先利用编码器解耦建立跨域数据的内容编码和风格编码;然后利用对抗操作和变分操作分别去拟合图像的内容编码和风格编码;最后通过拼接单域图像的内容编码和风格编码实现图像重构,通过交叉拼接不同域的内容编码和风格编码得到跨域图像的一对多连续变换.在标准数据集MNIST和SVHN上进行的有监督跨域图像生成结果同时满足真实性和多样性,且在分类准确率和域自适应性的定量评价中优于其他跨域图像生成算法;在人脸数据集NIR-VIS和草图数据集Edges-Shoes上实现了无监督跨域图像一对一生成,其可视化结果充分说明了生成图像的特征分布和源特征分布的一致性.以上实验全面验证了变分对抗自编码器框架的可行性和有效性.

• 深度度量学习视频指纹算法

  李新伟, 徐良浩, 杨艺, 费树岷

  在满足鲁棒性、独特性前提下,为了提高视频指纹系统紧凑性,提出一种端到端的深度度量学习视频指纹算法.网络整体框架由权值共享的三分支网络组成,分支网络采用改进的3D残差网络将多层特征融合并进行压缩,实现视频数据到指纹的端到端映射.网络目标函数由度量和分类双损失函数组成,其中,设计的边界约束三元组角度度量损失函数克服了普通三元组损失函数对特征相关性表达不足的问题;分类损失函数弥补了度量损失对样本特征整体分布不敏感的问题.在公开数据集FCVID上对文中算法、传统方法和深度方法进行了大量实验.结果表明,深度度量学习视频指纹算法在鲁棒性、独特性提高的同时紧凑性显著提高.

• 深层网络特征聚合重标定的中国画情感分类算法

  盛家川, 陈雅琦, 韩亚洪

  情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.

• 面向跨视图行人重识别的多级判别性字典学习算法

  汤红忠, 陈天宇, 邓仕俊, 张小刚

  现有的行人重识别算法主要聚焦于如何提取更有效的分类特征和如何学习更鲁棒的距离度量函数.在现实场景中,不同视图下的同一行人图像的分辨率往往不一致,且同一视图下受视角和光照变化等因素的影响存在提取的分类特征判别性弱且鲁棒性不强的问题.针对这一问题,利用不同视图的特征表示中编码系数的潜在关联,提出了一种多级判别性字典学习算法,并将其应用于跨视图行人重识别.首先,在图像水平区域和图像级别的字典学习算法中分别引入了一个特征映射矩阵,该矩阵可以描述不同视图下同一行人图像编码系数之间的内在关系,可以极大地提高编码系数的灵活性.其次,在图像块级别,结合图像的局部流形结构,在字典学习目标函数中增加了字典原子的局部几何结构约束,通过自适应学习图拉普拉斯矩阵,确保编码系数保持了与样本相似的几何结构,可以获得更具判别性的字典对.最后,文中算法在2个被广泛使用的行人重识别数据集VIPeR和CHUK01 Campus上进行验证,2个数据集在rank-1上的识别率分别为68.40%和80.14%,实验结果表明,文中算法不仅可以降低不同视图下分辨率差异明显的影响,而且大大提高了学习字典对的表示能力和鉴别能力,与其他算法相比获得了更好的行人重识别精度.

• 门控多层融合的实时语义分割

  张灿龙, 程庆贺, 李志欣, 王智文

  针对语义分割任务中因模型下采样过程中的像素损失而导致的上采样像素难以精确还原的问题,提出一种基于门控多层融合的实时语义分割方法.考虑分割的实时性,采用轻量级模型作为基础网络进行特征信息的提取.为解决像素难以精确还原问题,设计了一种横向连接的门控注意力结构,此结构可以对目标特征进行筛选,并通过横向传递增强上采样特征图信息的多样性,从而提高特征图的还原精度.此外,还提出采用多层融合结构来整合不同网络层的语义信息,利用不同网络层间的语义表达差异对缺失像素进行补充.实验以CamVid和VOC为数据集,以512×512大小的图像为输入,测试结果表明,方法的图像语义分割精度达到72.9%,平均分割速度为43.1帧/s.

• 结合标签优化和语义分割的服装图像检索

  张茜, 刘骊, 付晓东, 刘利军, 黄青松

  针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像检索准确率低的问题,提出一种结合标签优化和语义分割的服装图像检索方法.首先基于自定义的少数民族服装通用语义标签和民族服装语义标签,构建视觉风格分析概率模型进行标签优化;然后在全卷积网络结构基础上加入侧分支网络和全连接条件随机场,结合带有标注对和优化语义标签的训练图像对待检图像进行语义分割;最后采用多任务的深度监督哈希算法将语义分割结果哈希映射为二进制码,通过相似度计算对少数民族服装图像进行检索并输出结果.在构建的少数民族服装图像集上的实验结果表明,该方法能够有效地提高少数民族服装图像语义分割和检索的准确率.

• 基于暗通道的模糊型变造区域的定量鉴定算法

  杜振龙, 蒋子贤, 王姣姣, 李晓丽

  针对复制粘贴常伴随着边缘模糊变造制作伪造图像,提出了基于暗通道的边缘模糊复制粘贴篡改区域鉴定算法.图像的暗通道属性可作为区分清晰图像和模糊图像的自然度量,依据边缘模糊区域的暗通道非零像素数高于其他区域,快速定位至粘贴物体的边缘模糊区域;对图像进行归一化分割,形成语义较完整的候选鉴定区域集;在希尔伯特空间描述区域集,通过区域间的归一化相关系数确定复制源区域.对从因特网搜集的室外图像集进行实验,以源复制区域为算法检测到的区域比较参考,实验表明所提算法平均检测准确率提高了约6%,检测结果不受光照强度、噪声和JPEG压缩率的影响.

• 注意力机制和特征融合的自动抠图算法

  王欣, 王琦琦, 杨国威, 郭肖勇

  针对目前人工抠图工作量大,而自动抠图无法区分多个实例的问题,提出了一种注意力机制和特征融合的自动抠图算法.该算法由预分割模块和Alpha抠图模块2部分组成,分别采用了不同的网络结构.其中预分割模块是使用迁移学习方法对Mask Scoring R-CNN进行微调实现了对多实例自然图像的实例分割,从而得到输入图像前景个体的二值化分割图.而Alpha抠图模块在此基础上首先对二值化分割图预处理生成三分图,然后将三分图与原输入图像一起输入Alpha抠图模块网络.通过为Alpha抠图模块设计不同的解码策略和注意力机制,实现了对图像细节信息的精确恢复.在后续对自制车辆数据集的无人工交互前景车辆Alpha估计对比实验中,相比现有DIM算法,该算法的SAD降低19.2%,MSE降低26.3%,达到了更高的抠图精度.

• 类别均衡与局部中值损失联合监督的自然场景人脸表情识别

  石聪聪, 田媚

  近年来,卷积神经网络在实验室控制环境下的人脸表情识别任务中取得了很大进步,但是在自然场景中人脸表情识别方面仍然存在一些挑战.针对自然场景中人脸表情数据分布不平衡,以及由姿势、光照和性别等因素引起的类内差异大的问题,提出类别均衡与局部中值(class-balanced and local median,CALM)损失函数.CALM损失函数包含类别均衡Softmax损失函数和局部中值损失函数2个部分.其中,类别均衡Softmax损失函数将数据量较少且容易错分的害怕和厌恶2种表情标记为难样本,将其余5种表情标记为易样本;在网络训练过程中对难样本自适应地增大权重,以提高难样本的识别准确率,进而提高表情识别的平均准确率.此外,在每个类别中会有一些离类别内大多数样本较远的样本,它们的存在会导致用均值方法计算出的类别中心偏离类内大多数样本.在局部中值损失函数中,采用与每个样本属于同类别的若干近邻的中值作为类别中心,在一定程度上减弱离群样本对类别中心选择的影响.在RAF(real-world affective faces)数据集上进行实验,与局部子类方法相比,该方法的平均识别准确率提升了1.32%,证明了该方法的有效性.

• 融合手势全局运动和手指局部运动的动态手势识别

  缪永伟, 李佳颖, 孙树森

  传统基于手部轮廓或手部运动轨迹的动态手势识别方法,其提取的特征通常难以准确表示动态手势之间的区别.针对动态手势的复杂时序、空间可变性、特征表示不准确等问题,提出一种融合手势全局运动和手指局部运动的手势识别方法.首先进行动态手势数据预处理,包括去除手势无效帧、手势帧数据补全和关节长度归一化;然后根据给定的手部关节坐标,利用手势距离函数分段提取动态手势关键帧,并基于手势关键帧提取手在空间中的全局运动特征和手内部手指的局部运动特征;其次融合手势全局运动和手指局部运动的关键帧手势特征,并采用线性判别分析进行特征降维;最后利用带高斯核的支持向量机实现动态手势识别与分类.对DHG-14/28动态手势数据集中14类手势和28类手势数据集进行实验,其分类识别准确率分别为98.57%和88.29%,比现有方法分别提高11.27%和4.89%.实验结果表明,该方法能准确地表征动态手势并进行手势识别.

• 虚拟手自然抓取动作生成研究

  王晓媛, 田浩, 王长波

  在虚拟抓取规划中,生成稳定的抓取姿态非常重要,但是只考虑稳定性往往会导致抓取姿态不符合自然的人手抓取习惯.为了生成既满足物理约束又符合人手抓取习惯的自然抓取姿态,提出一种基于抓取分类理论的虚拟手自然抓取规划算法.首先根据人类抓取分类理论,基于人类行为构建物体形状与人手抓取姿态之间的映射关系,然后在动作规划中加入人手抓取姿态的引导,最终在虚拟手的位姿空间中找到一组自然的抓取姿态.对于复杂的多部件物体,先将其分割成可抓的部件,再对可抓部件进行自然抓取动作的生成.实验中展示了以人类抓取分类理论中的5种人手抓取姿态为指导,对常见的三维物体生成自然抓取姿态的结果,经用户评估,所提算法生成的抓取动作相比其他算法更符合人手抓取习惯.

• 屏幕区域对笔通道输入性能的影响

  辛义忠, 褚智洁, 李岩

  针对笔通道输入在不同屏幕区域上的差异,分析了屏幕区域对笔通道输入的影响.首先设计了轨迹非受限的书写和轨迹受限的划动2种不同的笔式输入实验任务,然后在Wacom Cintiq 21UX上展开实验并对比考察了笔通道输入在不同屏幕区域的性能.实验结果表明,以屏幕一角为极点所形成的极坐标系中,笔通道值随极径的增加而增大,笔通道值与极径之间呈幂函数关系或线性关系;各笔通道值的极值通常出现在屏幕的角落区域;对以右手为惯用手的用户来说,屏幕上侧的笔倾斜角通常大于屏幕下侧的笔倾斜角,笔的方位角随屏幕区域位置呈顺时针减小再增加的趋势;屏幕被划分的数量和屏幕上的不同区域位置均对交互性能存在显著影响;随着屏幕区域划分数量的增加,各区域之间的均值差异减小;结合划动速度、脱离错误率、偏出轨道率和偏离中线值,中部区域的综合性能优于四周区域,小尺寸区域的综合性能优于大尺寸区域,上侧区域的综合性能优于下侧区域.最后给出了面向屏幕区域的交互设计建议,为面向屏幕区域的笔通道交互提供了参考依据.

• 网格曲面参数化映射的变形补偿及其在曲面加工中的应用

  李静蓉, 许晨旸, 王清辉

  针对基于网格曲面参数化的轨迹规划中存在映射变形进而影响轨迹规划精度的问题,在分析网格曲面参数化映射变形场的基础上,提出了引入映射变形补偿的计算方法,包括补偿角度变形的方向映射、补偿拉伸变形的长度映射、针对不同三角片具有不同映射变形量的大跨度映射变形处理策略.在实例分析中,对参数化结果的映射变形进行了量化评估,并生成了复杂网格曲面上的等距线环形轨迹与实际的摆线抛光轨迹,验证了所提方法能够有效地补偿映射变形,保证轨迹规划的精确性,从而能够充分发挥网格曲面参数化的降维优势.

• 结合背景网格的点球弹簧修匀法网格变形

  昌继海, 余飞, 曹杰, 关振群

  在弹簧类网格变形方法中,点球弹簧修匀法存在收敛较慢的问题.提出一种利用背景网格进行加速收敛的方法.首先在粗化的背景网格上进行变形,然后将粗网格节点的变形结果和细网格边界上的运动节点一起作为初始扰动对细网格进行变形,变形方法采用点球弹簧修匀法.算例表明,该方法在求解二维或三维问题时,与点球弹簧修匀法相比,满足收敛条件的迭代步数减少了72%~88%,单步耗时减少了38%~78%.