摘要：目前一些方法通过多任务联合实现显著性检测,在一定程度上提升了检测精度,但仍存在误检和漏检问题,其原因在于各任务优化目标不同且特征域差异较大,导致网络对显著性、物体边界等特征辨识能力不足.基于此,借助边界检测和骨骼提取提出一种多任务辅助的显著性检测网络,其包括特征提取子网络、边界检测子网络、骨骼提取子网络以及显著性填充子网络.其中,特征提取子网络利用ResNet101预训练模型提取图像的多尺度特征;边界检测子网络选择前3层特征进行融合,可完整保留显著性目标的边界信息;骨骼提取子网络选择后两层特征进行融合,可准确定位显著性目标的中心位置;所提方法基于边界检测数据集和骨骼提取数据集分别对两个子网络进行训练,保留最好的边界检测模型和骨骼提取模型,作为预训练模型辅助显著性检测任务.为降低网络优化目标与特征域之间的差异,设计了显著性填充子网络将提取的边界特征和骨骼特征进行融合和非线性映射.在4种数据集上的实验结果表明,所提方法能有效恢复缺失的显著性区域,优于其他显著性目标检测方法.

摘要：当今社会,人们对于娱乐和创意的需求带动了网络与数字媒体技术的发展,而这种发展也给人们的生活带来了很大的改变.而实现骨骼的自动提取,是目前数字媒体技术研究的热点之一.本文首先通过高度函数,对模型进行处理,进行模型部位的分割,将模型分割为数个水平集,并在对水平集进行处理后对模型的拓扑结构进行分析,将模型分解为5个部位:躯干、双臂和双脚.接下来,本文使用测地距离函数对模型的各个部位分别进行处理,并基于Dijsktra算法设计算法计算并获取到这些部位的曲线骨骼,将各部分结合形成模型整体的曲线骨骼结构.最后,本文对获取到的模型的曲线骨骼进行降采样,获取模型的关节骨骼.通过骨骼点的连通性将模型关节点分类为关键关节点和非关键关节点,通过关节处的结构特征或是比例特征依次对关节点进行提取,以此求得精确度和鲁棒性较高的关节骨骼.

摘要：现有的动画生成方法存在手工操作繁琐、模型姿态受局限等问题.提出了一种新的人体模型动画自动生成方法,首先自动提取和识别位于人体四肢和头顶末端的5个特征点,以特征点为起点,计算模型等测地线的中心线.在中心线上根据人体测量学知识,确定关节点的近似位置,然后根据人体骨骼刚性运动特征和运动数据文件提供的骨骼信息,进行关节点精确定位,再通过热力学扩散方程计算顶点权重最后将提取的骨骼采用局部坐标架对齐的方法实现与运动数据匹配,并以运动数据驱动皮肤产生人体动画实验结果表明,与现有算法相比,具有与模型姿态无关、全自动、产生动画效果好等特点.

摘要：针对道路裂缝进行检测并将其数据录入数据库是进行路面养护的基础,为避免传统人工检测时可能出现的误差大、妨碍交通等问题。本研究将车载CCD相机所获取的公路路面图像通过均值滤波变换、局部自适应的阈值分割、形态学去噪后识别提取图像路面裂缝区域,并通过骨骼提取算法及中心矢量线毛刺剔除与续接处理,提出一种基于光学图像的路面裂缝中心矢量线提取方法,实现了自动化获取可录入数据库的路面裂缝数据。