摘要：采集能表征签名者潜在手写习惯的签名特征,利用人工免疫模型的自学习和自适应实现在较少训练样本的条件下获得具有更高区分度的手写签名模板.实验结果表明,文中方法识别具有良好的训练效果,能获得较好的验证率和鉴别率.

摘要：手绘草图是人类思维外化和表达设计意图的有效工具之一,手绘草图的模糊性和用户适应性问题是革图识别中的关键问题。本文提出了将相关反馈机制引入到手绘草图识别中以捕捉用户意图的方法,该方法以抽取手绘草图的向量化特征为基础,首先利用基于图形特征的相似度计算,给出手绘草图候选识别结果集,然后借助用户对识别结果的相关性评价,通过逐渐调整图形构成特征的权重来捕捉用户输入意图,并提高识别效果。实验表明本文所提出的方法具有很好的效果。

摘要：提出的纹理合成算法首先将样本纹理通过方向经验模型分解求得其固有方向;然后在该方向上进行方向经验模型分解,获得一系列分解图像;在各级图像上应用方向经验模型分解提取出的特征值来搜索匹配块,采用相关搜索来完成各级图像的合成;将其进行合并,得到在该方向上的合成图像;最后沿固有方向进行逆旋转变换,得到最终的合成结果.实验结果表明,该算法不仅合成质量高,而且简单、快速.

摘要：手绘图形输入是用户设计意图的一种自然有效的表达方式。本文介绍了一个手绘图形识别系统—SketchEI。SketchEI由五个部分构成:用户交互、输入预处理、图形识别器、草图管理器以及用户适应性。SketchEI把它们有机地组合在一起并且给出了一个相对完整的手绘图形识别技术理论体系。

摘要：手绘草图是概念设计和思路外化的一种高效的表达方式。用户绘制草图时存在的多种形式,及其随意性和模糊性使得用户适应性问题逐渐成为草图识别的核心课题。本文提出了一种在线草图识别的用户建模方法来捕捉绘制草图时的用户习惯,主要包括两个方面的内容:一是基于SVM的主动式增量学习方法,二是基于动态用户建模的手绘复杂图形的识别方法。前者与传统的增量式学习方法相比,在识别精度相同的情况下所需的训练时间和训练数据集要少得多。后者则是基于笔划信息以及笔划间的顺序和空间关系信息,采用增量式决策树捕捉用户的输入习惯和过程信息。实验证明了本文方法在在线草图识别中的有效性和高效性。

摘要：为便于用户在工程设计时使用草图进行三维模型设计,提出一种从单幅草图生成正交多面体模型的方法.根据正交多面体模型的结构特点定义了建模过程中的特征层次体系及其转换规则,通过规则推理实现各层次特征的转换,以支持用户使用简图方式快速地生成多面体模型;同时,使用决策树管理转换规则集合实现对规则的训练和更新,以保证规则集的可拓展性和鲁棒性.实验结果表明:该方法能生成多种复杂的正交多面体模型,且决策树方法能有效地支持对规则集合的训练和更新.

摘要：色粉画是一种极具表现力的绘画方式。提出一种基于参考图像色粉画效果模拟的非真实感绘制方法,其模拟过程分为铺底和细化两个阶段。在铺底阶段,利用mean-shift分割方法对参考图像进行分割获得区域和色调信息,并通过矢量场计算确定所得区域内笔画方向,在上述信息约束下通过对色粉画线画法以及侧面画法的模拟完成铺底工作;在细化阶段,针对参考图像所需突出的重要特征细节利用一致线条绘制方法获取,并通过色粉画点画法对其进行模拟。实验结果表明,通过上述两个阶段的模拟,本文方法能够快速高效的将参考图像转化为色粉画艺术化效果。

摘要：提出了一种基于线性规划分类器的相关反馈方法.所设计的线性规划分类器将特征选择和分类学习结合起来,使其不仅能在利用用户标注的小样本条件下进行实时训练,而且能根据样本对分类的贡献程度选择用户反馈中的敏感特征,从而能在相关反馈小样本训练条件下有效捕捉用户的反馈意图.针对草图检索的实验结果验证了所提出方法在相关反馈中的有效性.