基于转向法的大规模空间封闭图形高效识别

针对大规模空间封闭图形的高效识别,考虑与识别有关的各个阶段,给出基于转向法的空间封闭图形识别总体方案。围绕封闭图形唯一性和确定性要求,基于转向法定向封闭几何事实,提出一种顺（逆）时针搜索方法来识别单个封闭图形,并辅以区域划分排序方法、动态优化搜索目标、优先级设置等实现大规模空间封闭图形的高效识别,实际应用表明该方法的有效性。     

DataMatrix二维条码在票务系统中的应用与研究

提出一种开发二维条码采集与识别系统的方法.该系统的研究目标是美国国际资料公司发明的DataMatrix[1]二维条码,通过USB(Universal Serial Bus)摄像设备采集条码图形,然后对条码进行区域定位、图形分析和DataMatrix解码,提取出条码所包含的格式化数据信息.通过实验,证明该系统具有较高的识别效率和准确度.可将该系统应用到各种票务系统中,具有较好的应用前景.     

三维图形重建算法的仿真研究

研究实物数字化逼近真实性问题,在单幅二维工程图形重建三维图形时,传统上采用直接恢复深度信息方法进行低维到高维重建,是一个典型“病态”问题,三维图形重建准确度低.为了提高三维图形重建准确度,提出一种支持向量机的三维图形重建算法.首先对二维工程图形进行预处理,然后提取角点和结构特征作为支持向量机输入,通过支持向量机学习对二维工程图形进行识别;最后将识别结果与标准模型库进行匹配重建三维图形轮廓结构,并进行渲染得到三维图形.仿真结果表明,改进算法很好地解决了传统方法存在的“病态”难题,采用单幅图形可以重建得到逼近真实物体三维图形,是一种有效的、准确度高的三维图形重建算法.     

一种基于Hough变换的圆和矩形的快速检测方法

Hough变换是数字图像处理和机器视觉领域的经典算法,主要用于直线或线段的检测。虽然某些广义Hough变换能够用于检测复杂的2维图形,但其通常都具有存储空间大、计算时间长、可靠性差等不足,而且对于需要使用导数或梯度信息的算法而言,往往对图像中的噪声比较敏感、鲁棒性差。为了对平面规则图形进行快速准确检测,在传统的直线Hough变换的基础上,结合平面规则图形的几何特征,提出了一种检测平面矩形和圆的快速通用方法。该算法首先对图像进行滤波处理,并用Canny算子做边缘检测,先得到闭合的轮廓曲线,再利用形状角Dα对轮廓曲线进行粗分类;然后分门别类进行细致、准确的图形识别。该检测方法,由于只需要进行简单的1维和2维（直线）投票,而且完全不需要任何导数信息,从而大大提高了圆检测的速度和鲁棒性。实验表明,该检测方法适用于各种常见平面规则图形的检测和识别,并且检测速度快、精度高。     

图形相似的基本原理、方法及其在结构模式识别中的应用

将相似的有关思想和方法引入到图形识别和理解中，系统地讨论了图形相似的基本原理和方法。首先分析了图形的相似性特征、相似性的内涵以及相似性的性质，同时给出了图形相似度的计算方法；其次，借助图的方式对图形的各相似性特征进行描述，并提出了统一的图形特征编码方式，以此实现图形由“形”到“数”的转换；而且，提出了一种具有层次性的、以图形特征编码为基础、以相似度为依据的图形相似性判别算法；最后，将该方法应用于基于二维的结构模式识别中，以一个实际零件中的非相交基元体的识别为例说明了该方法的具体应用。实验结果表明，与传统的识别方法相比较，该方法在模式的识别范围、模式的搜索以及模式的匹配速度等几个方面取得了较大进展，并且这种基于多个相似性特征的图形识别方法具有更大的灵活性和可靠性。     

平面任意封闭图形的对称性求解

首先根据对称性的定义建立对称性的判断和分析规则,并在这些规则的基础上对平面任意封闭图形自动进行对称性求解。求解的主要思想是根据封闭图形的几何组成元素自身对称线两两进行平行、重合、求交分析,从而找到所有几何组成元素公有的公共对称线。这个（或这些）公共对称线就是封闭图形的对称线．     

基于可伸缩矢量图形的手绘几何图形结构分析方法

复杂图形通常是由多个图元按一定几何关系构成,以基本图形的识别为基础,复杂图形识别重点在于图形元素之间的空间关系模式的判定。几何图形的图元构成复杂,难以直接利用启发式规则进行识别;而现有的结构分析方法太复杂,采用传统方法难以进行有效识别。针对手绘几何图形识别中结构分析这一核心技术问题,设计了一种几何图形结构描述模型,该模型通过对图元及其约束关系的形式化描述来表示图形,使用可伸缩矢量图形(SVG)标签存储图元及其约束,通过解析SVG标签来识别几何图形的形状及其内部关系,为图形结构分析提供了统一格式的表示方法。所提方法已经过自主开发的GeoSketch系统的验证,并取得良好效果。实验结果表明:该方法简洁、低维,方便进行图形形状及内部关系的判定。     

一种对图像中给定图形的定位方法

作为模式识别的前序,需要在一幅图像中找出一个基本图形,给出这个图形的位置,再进行进一步的识别.文中提出的算法以直接匹配为基础,改进了算法的执行效率.以二值图像中的图形的定位为实验对搜索定位算法进行了讨论.试验显示出该文算法有较高的执行速度.     

基于参数化的系列化图形尺寸自动标注方法

为了提高系列化图形的设计效率,降低工程制图的尺寸标注的复杂度,结合二三维一体化的设计思想,研究系列化图形的尺寸标注,提出并实践了一种系列化图形的自动标注方法--依据参数化进行实体的三维造型,然后将其进行投影生成二维视图,在二维视图上进行尺寸交互标注.研究了视图与尺寸标注之间的联系,提取关键信息,利用该关键信息对后续生成的系列化图形进行尺寸标注.最后以实例展示了自动标注的过程,表明了该方法的可行性,有效性.     

一种对图像中给定图形的定位方法

作为模式识别的前序，需要在一幅图像中找出一个基本图形，给出这个图形的位置，再进行进一步的识别。文中提出的算法以直接匹配为基础，改进了算法的执行效率。以二值图像中的图形的定位为实验对搜索定位算法进行了讨论。试验显示出该文算法有较高的执行速度。     

零件二维视图轮廓信息和封闭图形信息的自动提取

视图轮廓信息和封闭图形信息在图形处理中有着重要的作用.该文提出基于顺时针行走方向搜索外轮廓下一条路径和基于逆时针行走方向搜索封闭图形下一条路径的原理和算法,改进了以往算法的不足,对提高CAD系统的图形生成效率以及系统的智能化程度等方面有着重要的意义.     

工程图对象识别规则自动获取方法的研究

分析了工程图中工程对象的构图特点，设计了适用于识别的对象特征组结构．提出了通过抽取对象特征组、由特征组自动生成识别规则的方法．提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图例从而提高适应能力的方法．该方法已应用于一个建筑工程图自动分析软件并取得了较好的效果．     

Unsupervised Learning for Graph Matching

Graph matching is an essential problem in computer vision that has been successfully applied to 2D and 3D feature matching and object recognition. Despite its importance, little has been published on learning the parameters that control graph matching, even though learning has been shown to be vital for improving the matching rate. In this paper we show how to perform parameter learning in an unsupervised fashion, that is when no correct correspondences between graphs are given during training. Our experiments reveal that unsupervised learning compares favorably to the supervised case, both in terms of efficiency and quality, while avoiding the tedious manual labeling of ground truth correspondences. We verify experimentally that our learning method can improve the performance of several state-of-the art graph matching algorithms. We also show that a similar method can be successfully applied to parameter learning for graphical models and demonstrate its effectiveness empirically.     

Making 2D Map of Environments Based upon Routes Scenes

This paper proposes a method for making a map of large scale environment based upon route scenes, assuming that the topological relation of routes at intersections is known. A panoramic representation is used for describing route scenes, and the number of routes connecting at an intersection is assumed to be known. The idea is to decompose a 2D graph into a number of closed loops. By detecting the closed loops and storing the relation among them, we can describe the 2D map based upon route scenes. A robot can obtain a closed loop by taking the same turn (leftmost for example) at every intersection when it moves along routes. According to the information on routes at intersections, the robot can select unmoved routes for finding new closed loops. By fusing new closed loops with found ones, the robot can, further, build the map of environments. The effectiveness of our method are shown by experiment in a real-world environment.     

基于二部图模型的大本体分块与映射方法

针对当前大本体分块与映射方法中的块边界信息丢失严重、块间匹配计算复杂等问题,提出一种基于二部图模型的大本体分块与映射方法。根据本体概念相似度在2个本体间建立带权二部图模型,对该二部图进行分割,实现本体的关联分块,在子图中求解得到二部图的最佳匹配,并通过映射修正获得块内实体映射。实验结果表明,该方法的分块质量与映射效率均较优。     

融合知识表示和深度强化学习的知识推理方法

知识推理是解决知识图谱中知识缺失问题的重要方法,针对大规模知识图谱中知识推理方法仍存在可解释性差、推理准确率和效率偏低的问题,提出了一种将知识表示和深度强化学习相结合的方法RLPTransE。利用知识表示学习方法,将知识图谱映射到含有三元组语义信息的向量空间中,并在该空间中建立强化学习环境。通过单步择优策略网络和多步推理策略网络的训练,使强化学习智能体在与环境交互过程中,高效挖掘推理规则进而完成推理。在公开数据集上的实验结果表明,相比于其他先进方法,该方法在大规模数据集推理任务中取得更好的表现。     

基于关联分区和ST-GCN的人体行为识别

基于骨骼的动作识别因不受人体物理特征的影响,简单清晰地传达了人体行为识别的重要信息而受到广泛关注。传统的应用程序骨架建模通常依赖遍历规则的人为设置而导致表达能力有限和推广困难。因此,在近年来热门的时空图卷积网络（ST-GCN）模型基础上提出了一种新的划分骨架关节点的分区策略。该策略相比于原始分区方法加强了身体相对位置之间的关系,从而有利于提高骨架关节点信息在时间和空间上的关联。与此同时,在训练过程中通过设置不同的迭代学习率以进一步提高识别精度。在两个不同性质的大规模数据集Kinetics和NTU-RGB+D上与现有方法进行识别效果的比较,实验结果表明了该方法的有效性。     

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更为优秀的识别力和分类性能。提出的研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。     

基于形体补偿的多面体二维消隐算法

三维形体的二维图形消隐一般被认为是不可能的。基于形体补偿的方法，提出了在没有直接给予深度信息的二维空间中对二维图形进行消隐藏面的方法。省去了物空间或象空间消隐算法中常用的深度求交与相关性测试，直接利用二维补偿环与候选可见面环之间的相关性进行布尔运算，取得了满意的效果。