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2022年第3期

• 基于割线法的显示面板定阻值布线方法

  程佳文, 梁文杰, 李凌劼, 喻文健

  针对异形面板设计中出现的定阻值布线问题,提出一种基于割线法且全面考虑各种区域和端口特点的定阻值布线方法.首先采用直角拐弯模型和带45°拐角模型对规则矩形区域进行布线,采用逐段布线的方案对一般多边形区域进行布线,并通过从左到右与从右到左的2遍布线和贴边布线模型增加布线成功率;然后将确定满足电阻约束的连线形状问题类比为非线性方程的割线法迭代求解过程,减少电阻求解器的调用次数,从而缩短整体时间.对多个来自实际显示面板设计中的布线问题的实验结果表明,该方法能够适应各种复杂测例,且运行时间比基于二分法的布线方法平均缩短约15%.

• 基于近似计算与多数覆盖技术的电路面积优化

  邹九发, 王伦耀, 储著飞, 夏银水

  针对基于最小项的近似计算技术不适合解决大规模电路面积优化问题,提出一种采用乘积项和逻辑覆盖的电路面积近似计算技术优化算法.利用基于乘积项的多数覆盖技术实现近似逻辑函数搜索,用逻辑覆盖不相交运算实现近似函数错误率计算,可以有效地避免因输入变量增加和最小项数量激增导致算法效率低下甚至无法工作的问题.文中算法用C编程并经MCNC测试电路进行测试,实验结果表明,文中算法可实现大电路的面积优化,且具有运算速度对电路的输入变量数不敏感的特点.在平均错误率为3.67%时,平均电路面积减少42.29%.

• 形状和颜色变换下图像的Gaussian-Hermite矩不变量

  墨瀚林, 郝优, 李华

  矩不变量是计算机视觉和模式识别领域常用的图像不变特征.现有的形状和颜色变换下彩色图像的矩不变量均基于几何矩构造,因此抗噪性较差.针对该问题,提出了利用基本微分算子和颜色几何基元生成旋转-仿射变换下彩色图像Gaussian-Hermite正交矩不变量的方法,所构造的不变量均为Gaussian-Hermite矩的齐次多项式;然后生成所有可能的低阶低次不变量,并从中得到13个满足线性独立关系的不变量实例.基于合成图像数据集和HPatches图像数据集进行了数值稳定性验证、图像分类和模板匹配实验,结果表明,13个不变量实例具有良好的数值稳定性和抗噪性;使用它们得到的分类和匹配准确率比同类矩不变量分别高出10%和30%左右.

• 三维人体重建中的服装视觉信息表示

  普骏程, 刘骊, 付晓东, 刘利军, 黄青松

  针对三维人体重建中服装视觉信息表示模糊的问题,提出一种多阶段优化的三维人体重建方法.首先对输入的人体图像进行预处理,分别提取其语义特征、明暗特征和高频特征;然后基于局部深度特征构建有向距离场,隐式表征三维人体的几何形状;再构建着装层次表示模块,通过定义着装层次损失函数感知服装语义上下文信息,并优化有向距离场,生成粗糙的三维人体模型;最后结合明暗特征和高频特征捕获服装褶皱细节,并在UV空间内定位褶皱位置,优化生成精细的三维人体模型.在BUFF数据集上的实验结果表明,所提方法的法线L2误差和倒角距离误差分别为0.13和1.30,较已有方法降低了13%和2%,能够提高三维人体重建的精度,生成具有服装款式、着装层次和褶皱细节的三维人体模型.

• 基于改进Pix2Vox的单图像三维重建网络

  何鑫睿, 李秀梅, 孙军梅, 李美玲, 袁珑

  为进一步提升由单图像进行三维重建的精度,通过对Pix2Vox网络进行改进,提出一种基于深度学习的方法实现单图像三维重建的神经网络.首先,在Pix2Vox网络结构中增加多尺度连接和通道注意力机制,以保留多尺度信息,强化重点特征学习;其次,提出一个阈值计算模块,实现了适应不同类别的阈值设定方法,优化阈值取值;最后,提出一种融合型损失函数,融合模型的结构损失和类别损失,减小不平衡数据与类间差异对重建效果的影响.实验结果表明,该网络在公共数据集ShapeNet的13种模型类别上,平均IoU指标达到0.670,比Pix2Vox等网络取得了更好的单图像三维重建效果.

• 基于语义重定位的语义分割并行网络

  陈姝, 徐蕾, 邹北骥, 陈静

  语义分割任务是对图像进行像素级别的分类预测,其难点在于对像素级别的准确预测和物体的边缘划分.现有方法大多采用基于编解码结构的网络模型,通过下采样快速扩充网络的感受野,但连续的下采样对特征图的空间信息造成了不可逆转的损失,为此,提出一种基于语义重定位的并行网络.设计了一条全局空间路径,在保持高分辨率的情况下提取丰富的空间信息并缓解多次下采样带来的信息丢失.在另一条上下文信息提取路径中,采用一个特征提取器,通过快速下采样扩充网络的感受野.此外,设计基于物体类别的语义重定位模块弥补多次下采样造成的上下文信息缺失,使用粗分割结果中该类目标区域的所有像素分别对目标区域中的每个像素进行引导.同时,采用Dice loss缓解数据中存在的正负样本不平衡问题,以获得更好的分割性能.最后,在Cityscapes和CamVid数据集上对所提网络进行了评价.实验结果表明,与已有分割网络相比,在CamVid数据集上,SRPNet在mIoU指标上能提升3.1%,在Cityscapes数据集上,SRPNet在mIoU指标上能提升1.8%.

• 多尺度半耦合卷积稀疏编码的遥感影像超分辨率重建

  陈楠, 张标

  传统的卷积稀疏编码超分辨率方法在特征空间转换时仅引入线性投影关系,且在特征图的学习中未能考虑局部细节信息,使重建结果在边缘和细节方面不尽如人意.为此,将卷积稀疏编码理论引入遥感影像的超分辨重建框架中,提出一种多尺度半耦合卷积稀疏编码的超分辨率重建方法.首先对输入影像进行多尺度分解,提取出平滑分量和多个尺度的纹理分量,并对最终的平滑分量进行双三次插值重建;然后将每个尺度的纹理分量进行半耦合卷积稀疏编码重建,利用非线性卷积算子作为每个尺度下纹理分量的高分辨率特征图与低分辨率特征图之间的投影函数,并在特征图的学习中引入非局部自相似性结构进行约束优化,从而更好地重建出每个尺度下的纹理分量;最后将重建后的平滑分量和每个尺度下的纹理分量进行叠加,获得最终的重建影像.以4种不同传感器的遥感影像作为实验影像,与几种先进的超分辨率重建方法对比的实验结果表明,所提方法获得的重建影像在定量分析指数PSNR和FSIM方面均优于其他方法,表现出更为清晰的边界和细节信息,且具有一定的抗噪性能.

• 基于注意力残差网络的OCT指纹防伪方法

  王海霞, 潘栋, 梁荣华, 张怡龙, 刘义鹏, 陈朋

  基于光学相干断层扫描(optical coherence tomography, OCT)的指纹防伪主要依赖汗孔、皮下汗腺和内部指纹等信息的精确提取,且具有一定的防伪信息冗余.针对这一现状,提出了一种基于注意力残差网络的OCT指纹防伪方法,仅使用少量信息便可做到对指纹的真伪识别.首先在残差网络的基础上,通过注意力模块与长短跳跃连接,构建注意力残差网络,使网络注意力更好地集中在皮下组织信息上;其次对待判别手指体数据进行随机采样,提取局部特征小块;最后通过注意力残差网络对局部特征小块进行分类,实现手指的真伪识别.基于Keras框架的注意力残差网络方法,在自制真假指纹数据库中,较同类网络获得了更高的识别准确率,表明了所提防伪方法的优越性.对自制数据库和深圳大学OCT指纹数据库的跨设备、跨样本实验进一步验证了方法的准确性和鲁棒性.

• 引入重影特征映射和通道注意力机制的手势识别算法

  范晶晶, 薛皓玮, 吴欣鸿, 王美丽

  针对轻量型目标检测网络对静态手势特征提取能力不足、错检率和漏检率高的问题,基于YOLOv4-tiny网络结构提出轻量型手势识别算法.首先引入表征力更强、成本更低的重影特征映射,增强网络获取多尺度手势特征的能力;然后嵌入通道注意力机制实现特征重标定,达到减少背景干扰的目的;最后采用Swish作为主激活函数,进一步提升手势识别准确率.在手势数据集上的实验结果表明,相比YOLOv4-tiny,所提算法具有较优的识别性能;并且对于不同环境条件下的多尺度手势,该算法能够实现精准的分类和实时的检测,对小尺度的手势具有更好的识别效果.

• R-UNet++: 用于甲骨材质分类的局部分割网络

  高未泽, 陈善雄, 莫伯峰, 杨烨, 苏本朋

  同材质甲骨残片的缀合工作是甲骨学研究的重要分支,为解决甲骨材质的分类问题,提出以R-UNet++为主的分类框架.R-UNet++继承了UNet++中密集的卷积块链接,并在此基础上引入注意力模块、双线性上采样方法和残差单元的改进策略,在提升网络细粒度分割能力的前提下,有效抑制了多尺度特征融合时产生的噪声响应.在分类框架中,首先通过R-UNet++准确分割类间差异性信息;然后采用ResNet50作为分类网络,对R-UNet++的分割图像进一步提取特征,并实现甲骨材质的分类.在真实的甲骨材质数据集中进行了分割和分类实验,结果表明,R-UNet++不仅可以实现高准确度的分割,而且对比其他多种优秀的分类网络,分类准确度有较高的提升,这充分验证了所提分类框架的可行性和高效性.

• 深度二值卷积网络的人脸表情识别方法

  周丽芳, 刘俊林, 李伟生, 米建勋, 雷帮军

  为解决人脸表情识别时存在的参数量大、速度低和表情区域特征表示力不足的问题,提出一种基于深度二值卷积网络的人脸表情识别方法.首先设计一个二值卷积与传统卷积并行运算的轻量化网络模型BRNet,以降低网络模型参数的复杂度,从而提升识别的速度;然后构建一个动态半径策略提取表情二值特征,并形成表情区域注意权重,实现表情局部特征与人脸全局特征的有效融合;最后设计交叉熵和L2损失,快速实现了表情图像的准确分类.实验结果表明,所提方法在常用的CK+和Oulu-CASIA表情库上的平均识别率分别达到99.25%和93.85%,皆优于同类轻量级卷积网络;网络参数量和计算量为5.0×105B和2.1×105B,而EfficientFace模型的计算量约为该方法的77倍,证明了所提方法在表情识别中的有效性和轻量性.

• SSA-PointNet++: 空间自注意力机制下的3D点云语义分割网络

  吴军, 崔玥, 赵雪梅, 陈睿星, 徐刚

  为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空间编码方式增强网络模型对采样点邻域拓扑结构的学习;然后构建注意力池化模块以强化重要信息在网络的有效传递,并通过差异性池化函数整合注意力池化、最大池化提取的多个全局特征以提高点云语义分割结果的鲁棒性.对公开数据集S3DIS,Semantic3D的场景语义分割实验表明,所提网络模型数据集分割精度mIoU较基准模型提升效果显著,在室内数据集S3DIS上的mIoU较PointNet++提升达6.6%,在室外数据集Semantic3D上的mIoU高出MSDeepVoxNet约3%;与公开数据集上其他网络模型的分割结果相比,所提模型性能均有不同程度的提升,具有更强的泛化性能和良好的应用价值.

• 采用逆近邻与影响空间的图像特征误匹配剔除方法

  胡立华, 左威健, 张继福

  针对结构相似、纹理重复的场景中特征匹配结果存在特征误匹配率较高的问题,采用密度聚类分析,提出一种基于逆近邻与影响空间的误匹配剔除方法.首先依据初始特征匹配候选集,利用特征匹配的全局信息构建特征匹配集,充分体现特征匹配对间的局部相似性、几何与运动一致性;然后采用基于逆近邻与影响空间的密度聚类分析,利用可扩展半径方法构造特征匹配聚类簇,并消除特征匹配聚类簇中的噪声点,从而有效地剔除了特征匹配集中的误匹配对.在标准DTU与古建筑数据集上的实验结果表明,与其他方法相比,该方法的平均精度、平均召回率和平均F分数均超过90%.

• 面向近似最近邻搜索的码字扩展增强型残差量化

  艾列富, 程宏俊, 陶勇, 于俊清, 郑馨, 刘德阳

  为了进一步提高图像特征向量的近似最近邻搜索精度,提出一种码字扩展增强型残差量化方法,将增强型残差量化与均值等分向量计算方法相结合,降低码书训练误差并提高特征向量量化精度.在码书训练阶段,除第1层码书训练外,利用均值等分向量计算方法将上一层码书训练的误差向量作为下一层码书训练的输入,在此基础上提出迭代优化方法降低码书训练的全局量化误差;在特征向量量化阶段,利用均值等分向量计算方法对每层码书进行扩展,用得到的新码字对该层输入特征向量进行量化以提高量化精度;最后对特征向量近似最近邻搜索,提出一种非对称欧几里得度量计算方法.在2个公开的SIFT和GIST数据集上与5种典型方法进行实验的结果表明,所提方法可降低码书训练误差10%~24%,提高近似最近邻搜索召回率1%~44%;另外,在获得相同召回率条件下,所提方法可使码书的规模减小50%.

• 司法判决文书数据中演化模式的挖掘和可视分析

  王慧, 孙国道, 丁伟杰, 王潇, 张颖, 梁荣华

  现有的司法数据分析以传统的统计图表为主,与案件数据的内部信息关联不够,低效落后,难以满足司法数据的分析需求.因此,针对司法判决文书数据,提出一种通过用户交互的方式展示司法数据时序演化过程的方法.首先提出基于分层结构的层次演化视图,从整体上分析时序变化;结合矩阵视图、词网络视图、主题聚类图和词云,展开案件内部多元信息的精细化分析;提取案情三元组信息,并展开关键实体的约束布局,帮助快速定位和掌握案件内容.基于千万级规模司法判决文书数据,展开案件纠纷类型演变和案件内部关系的案例分析,并针对多个视图任务结合评分方式展开定量用户研究评估,反馈得到所有问题平均评分均大于3.5,为后续司法文书数据的可视分析提供了一种解决思路.

• 用户评论数据驱动的产品优化设计方法

  陆蔚华, 倪祎寒, 蔡志彬, 刘瑞军

  针对传统产品设计优化耗时耗力、效率较低等问题,提出一种数据驱动的产品优化设计方法.基于Scrapy爬取电商平台用户评论数据;针对文本数据的特点,利用K-means算法进行用户需求分析,根据聚类结果得到优化目标;对优化目标进行特征编码,基于非劣排序遗传算法(NSGA-Ⅱ)进行产品特征优化迭代,得到最终优化结果.以某品牌电饭煲为实例进行应用,以用户满意度为评估指标,将电饭煲造型优化方案与初始方案进行对比,验证了所提方法的有效性.