-
公开(公告)号：CN109410334A
公开(公告)日：2019-03-01
申请号：CN201811108704.5
申请日：2018-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于特征线的三维网格模型缺陷孔洞修复方法，步骤为：1）特征线的检测：对三维网格模型曲面上能够表示显著几何特征的特征线进行数学定义上的相应主方向曲率拟合极值的描述；2）特征线的匹配：对步骤1）检测出来的特征线，通过匹配概率衡量标准选取最优匹配对；3）三角剖分及细化调整：经过匹配与桥接后的特征线，把原孔洞部分化为了若干个的多边形子洞，基曲面构造完成；再对多边形子洞进行Delaunay三角剖分与边记分函数的计算，为多边形子洞的每条边赋予一个影响因子，实现网格的各向异性的细化，完成孔洞破损区的修复；修复后的孔洞破损区域能与周边三角网格密度保持一致，且能自然衔接。
-
Patent Agency Ranking
公开(公告)号：CN107481248A
公开(公告)日：2017-12-15
申请号：CN201710633392.9
申请日：2017-07-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种图像显著区域的提取方法，其特征是，包括如下步骤：1）图像预处理；2）距离计算；3）显著值计算；4）显著值加权优化；5）显著区域的分割，完成输入图像的显著区域提取。这种方法能克服图像显著区域检测不准确导致显著区域分割提取精度和速度不佳的问题，针对自然场景的图像，这种方法能够准确地提取显著区域，得到的结果接近人工标注的真值图，符合人眼注意机制。
-
公开(公告)号：CN102881047B
公开(公告)日：2015-04-15
申请号：CN201210270917.4
申请日：2012-08-01
IPC: G06T17/30
Abstract: 本发明公开了一种自动的非封闭隐式曲面重建方法，其特征在于其步骤包括：1）采用隐式曲面三维重建方法将输入的非封闭点云数据模型生成三角网格曲面模型；2）初始化三角网格曲面三角点；3）选取比对的样本三角点；4）计算样本三角点与输入原始点的平均最大距离，将其设为分割阈值；5）利用分割阈值对重建生成的三角网格曲面进行自动分割，删除非实体上不合理的三角面片，得到边缘光顺正确的非封闭曲面。本发明采用Poisson曲面重建方法完成。该方案弥补了现有隐式曲面重建技术无法对非封闭曲面进行自动准确重建的缺陷，该方法重建得到的非封闭曲面边缘光顺准确、效率高且鲁棒性强，有效解决了非封闭曲面重建的技术难题。
-
公开(公告)号：CN110232693B
公开(公告)日：2022-12-09
申请号：CN201910507527.6
申请日：2019-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种结合热力图通道及改进U‑Net的图像分割方法，步骤为：1）获取一副原始图像；2）对原始图像进行预处理，获得热力图；3）构建多尺度卷积模块，对U‑Net网络结构进行改进；4）将步骤2）预处理完成的热力图输入改进后的U‑Net网络结构中进行图像分割，得到分割后的图像。该方法将多尺度卷积模块和热力图通道加入到U‑Net网络结构中，该方法相较于传统的U‑Net模型，增加了多尺度卷积模块、热力图通道，不仅能够得到完整的特征信息还能有效的提高目标边缘处的精度，使边缘更加平滑。
-
-
公开(公告)号：CN106920243A
公开(公告)日：2017-07-04
申请号：CN201710141353.7
申请日：2017-03-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出了一种改进的全卷积神经网络的陶瓷材质件序列图像分割方法，包括步骤：S10：对采集的原始图像进行手工标注，将目标和背景用不同的类别区分，得到训练标签，采用索引模式来表示训练样本的标签图；S20：构建改进的基于全卷积神经网络的网络模型，进行训练；S30：依据梯度下降算法计算损失函数和反向传播计算损失函数，对网络进行训练学习，学习速率在验证准确率停止增加时减小为原来的十分之一。全卷积神经网络是基于卷积神经网络的改进结构，在保持CNN 良好的分类性能的基础上，更好的保持了像素矩阵之间的空间位置关系，更有利于全局的特征提取，能全面学习物体的视觉特征，抗干扰性好，可自动将目标物体从背景中分割开，实现智能分割。
-
-
-
-
-
Search Results
16
records
(took 0.021 seconds)
