摘要：针对图像重建三维物体方法中存在无法保持物体尖锐特征的问题,基于深度神经网络,对输入单幅图像提出一种有效的保特征三维网格生成方法.对单幅输入图像使用VGG-16提取图像特征,并特别设计了图像边缘检测层获取物体的尖锐特征;将三维网格(初始为椭球)的顶点投影到特征图和边缘检测图上,以获得顶点局部特征,并判断其是否为尖锐特征点;然后,将局部特征和顶点位置串联输入到改进的图卷积神经网络(graph convolutional neural network, GCNN),对于非尖锐特征点采用普通GCNN,对于检测到的尖锐特征点采用0邻域图卷积神经网络(0-neighborhood GCNN, 0N-GCNN),以期其尽量不被邻域顶点过度光滑;GCNN的输出预测了顶点的新位置和三维特征;最后,对网格的顶点及特征用Loop细分上采样.执行3次上述变形(二维特征投影、尖锐特征检测、GCNN变形、上采样)后,初始椭球最终变形为输入图像中物体模样.实验使用ShapeNet数据集,在PyTorch框架下实现,从定性和定量两方面与现有方法进行了比较.实验结果表明,在Chamfer距离和F-score两类定量指标上均优于大部分现有方法,而Chamfer距离和F-score(2τ)的均值表现为最优.视觉比较也表明,文中方法可有效地提升特征保持性能.

摘要：内部先验的去噪方法侧重图像的低秩性、稀疏性等先验知识,较少考虑多尺度特性;而基于外部先验的去噪方法充分利用自然图像的先验信息,却难以恰当地估计相似块组的秩.针对这些问题,综合考虑不同尺度间的噪声图像信息以及外部清晰图像的统计分布规律,提出内外先验结合的多尺度低秩去噪方法.在预训练阶段,学习外部自然图像数据集的统计分布规律,获得外部自然图像的先验信息;在分组阶段,采用外部先验信息引导噪声图像分组,构建低秩矩阵;在低秩约束阶段,利用构建的多尺度低秩去噪方法对噪声图像进行重建.在Set5,Set12,Kodak,McMaster等经典图像数据集上的实验结果表明,该方法在客观评价指标上有较为明显的改善,如峰值信噪比优于对比方法0.2 dB,并在主观视觉效果上能够保留图像细节和纹理.

摘要：针对提升风格迁移结果的问题,提出了一种图像风格迁移方法,可以用来生成内容逼真纹理色彩丰富的具有艺术风格的照片.该方法基于优化迭代模型进行图像风格迁移,使用改进的结构损失函数约束纹理转移的过程,使得待合成图像的风格逼近风格图像,同时保留内容结构.该方法产生的结果充分吸收了艺术作品的纹理特征,并且保留了内容图像细致的语义结构,符合大众对于现代场景结合艺术风格的审美理念.

摘要：讨论了n次区间Ball曲线的边界的构成;同时通过讨论区间多项式的降阶,利用线性规划法及最佳一致逼近法,给出了区间Ball曲线的的降阶算法.若利用线性规划法得到的区间曲线不能达到预期的误差,则可以结合细分的技术实现.

摘要：定义了区间Wang-Said型广义Ball曲线(WSGB曲线),它可作为误差控制和产品检验的有效工具;采用3种方法讨论了其降阶逼近问题,即扰动法、利用Chebyshev多项式导出的最佳一致逼近算法和插值端点的最佳一致逼近方法;给出了各种处理方法的显式误差表示.最后结合数值实例分析了3种方法的优劣.

摘要：由于在进行几何外形设计时对曲线曲面的局部调控能力要求越来越高,为了给设计者们提供更丰富的方法,利用分段积分的思想构造了一类带多个形状参数的三角多项式均匀B样条曲线曲面,并讨论了这类曲线曲面所具有的重要性质.通过改变形状参数的取值来整体或局部调控曲线曲面形状,随着曲线阶数的升高扩展形状参数的取值范围;通过公式推导给出了曲线精确表示直线、椭圆、抛物线、螺旋线的表达式.最后给出了曲线的几何造型实例,体现了该类曲线在CAGD中的应用价值.

摘要：广义B样条曲线具备了B样条曲线的各种优良性质,又因为其独具的核函数为形状设计带来更加丰富的可能性,文中提出了广义B样条曲线的节点去除与光顺算法.首先给出了构造广义B样条对偶基的新方法,其时间计算复杂度得到了很好的控制;其次摘除需去除的节点,再利用对偶基的最佳逼近性质,采用广义B样条的对偶基求得新的广义B样条曲线的控制顶点;在广义B样条曲线光顺中引入跳跃值的概念,如果某个节点附近的跳跃值较大,则去除相应的节点,从而实现在此节点处的光顺.最后通过大量的数值实例,展示了算法的有效性.

摘要：给出了具有线性分母的有理三次样条函数的误差估计,并在柱面坐标系下对一类空间闭曲线的插值问题进行了研究;通过将柱面展开,把空间闭曲线的插值问题转化为平面中的插值问题,利用具有线性分母的有理三次样条函数进行插值;最终得到的空间曲线能达到曲率连续.对该方法的误差进行了分析,数值例子显示插值效果较好.

摘要：元启发式算法自20世纪60年代提出以后,由于其具有可以有效地减少计算量、提高优化效率等优点而得到了广泛应用.该类算法以模仿自然界中各类运行机制为特点,具有自我调节的特征,解决了诸如梯度法、牛顿法和共轭下降法等这些传统优化算法计算效率低、收敛性差等缺点,在组合优化、生产调度、图像处理等方面均有很好的效果.提出了一种改进的元启发式优化算法——NBAS算法.该算法通过将传统天牛须算法(BAS)离散化得到二进制离散天牛须算法(BBAS),并与原始天牛须算法进行混合得出.算法平衡了局部与全局搜索,有效地弥补了算法容易陷入局部最优的不足.为了验证NBAS算法的有效性,将NBAS算法与二维K熵算法结合,提出了一种快速、准确的NBAS-K熵图像分割算法.该方法解决了优化图像阈值分割函数的优化算法易陷入局部最优、算法寻优个体数多、设计复杂度高所导致的计算量大、耗时长等问题.NBAS-K熵算法与BAS-K熵算法、BBAS-K熵算法、遗传K熵算法(GA-K熵)、粒子群K熵算法(PSO-K熵)和蚱蜢K熵算法(GOA-K熵)在Berkeley数据集、人工加噪图像以及遥感图像上的实验结果表明,该分割方法不仅具有较好的抗噪性能,而且具有较高的精度和鲁棒性,能够较为有效地实现复杂图像分割.

摘要：通过在Hassan的四点三重插值细分法中引入一个偏移变量,推导出了一种逼近细分法,从而使三重逼近细分和插值细分统一到一个细分格式.该方法利用细分格式的生成多项式,在理论上分析了提出的细分格式的一致收敛性和Ck连续性;通过对细分格式中参数u取不同的值,可对生成的极限曲线形状进行控制.数值实验结果表明,文中方法是合理有效的.