排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
Dividing Cubes算法生成的物体表面的法向量方向的光顺操作 总被引:1,自引:0,他引:1
在用DividingCubes算法提取的边界体素所构造的物体表面上,可能会存在法向量方向突变,使得物体表面光照图显示粗糙,文中提出了一种的领域加权平均法,对物体表面的法向量方向进行光顺处理,光顺操作只在相关边界体素间进行,并且对有多个等值面交汇的边界体素将不进行光顺操作,以避免模糊位于多个区域处的边界和保持物体表面光照图的细节,为避免在屏幕上产生孔洞,用光线投射法显示物体表面,文中所采用的光顺操作可以消除物体表面的法向量方向突变,使物体表面光照图光谱细腻,最后,给出一个医学图像的测试实例。 相似文献
2.
在体素几何模型中 ,物体由体素表示 ,物体表面由边界体素表示。当体素大小与屏幕像素大小相等时 ,可把边界体素作为点向投影面投影 ,但这样易产生空洞现象和图像走样。基于物体边界体素 ,生成一个绘制表面 ,用光线投射法显示这个绘制表面 ,可以消除空洞现象 ,减轻图像走样。这种算法能生成光滑细腻的图像。本文生成绘制表面的速度比 Dividing Cubes算法生成表面的速度快 相似文献
3.
针对传统图像处理方法和基于深度学习的分类模型对金手指表面划痕检测效果不理想的情况,提出了一种多注意力机制金字塔池化方法对金手指表面划痕进行语义分割。采用ResNet50模型获取输入图像的特征图;在金字塔的不同层中将特征图分成大小不同的子区域,然后对每个子区域进行平均池化操作;池化后的特征图加入多种注意力机制来提取关键部分的特征信息,并使用边界细化模块对边缘区域进一步精细化,提高分割准确度。通过上采样,将四种不同尺寸的特征图采用级联的方式对划痕区域进行特征融合;与带有整体信息的特征图拼接后经过卷积操作得到最后的预测结果。实验结果表明,本文采用的方法较其他常用分割模型在MIOU和MPA指标上具有明显提升,分别达到86.03%和94.35%,具有一定的应用价值。 相似文献
4.
针对卷积神经网络(CNN)中的传统池化算法不能很好地考虑到池化域内每个元素与该池化域所含特征之间关联性的问题,提出一种基于高斯函数的池化算法。首先根据池化域内各元素的值和所有元素的最大值计算高斯函数的三个参数值,然后运用高斯函数计算池化域内所有元素的权重,最后根据这些权重对池化域内所有元素值计算加权平均值,并以此作为池化结果。选择LeNet5、VGG16、ResNet18和MobileNet v3作为实验模型,在公开数据集CIFAR-10、Fer2013和德国交通标志识别基准(GTSRB)上进行实验,并与最大池化、平均池化、随机池化、混合池化、模糊池化、融合随机池化和soft池化这七种池化算法进行对比。实验结果表明,所提算法在三个数据集上相较其他算法在精度方面均有0.5个百分点到6个百分点的提升,且在运行效率方面优于上述除最大池化和平均池化两种池化算法外的其他池化算法,从而验证所提算法有效且具适合应用于对运算时间要求不高但对精度要求较高的情况。 相似文献
5.
6.
8.
保持轮廓清晰光滑的灰度图像放大算法 总被引:12,自引:2,他引:12
灰度图像放大时,插值所具有的平滑作用会退化图像的高频部分,使放大图像轮廓变得模糊,文中提出一种基于拟合分界线的插值放大算法,该处包括分割和插值放大两个步骤;分割是搜索出灰度图像的突变象素点,并用三次均匀B样条把它们拟合为光滑分界线,以把整幅图像分割为若干子区域;插值放大是基于拟合分界线对图像插值,即插值操作限定于原图像的某一子区域内进行。采用文中算法得到的放大图像不仅可保持轮廓清晰,而且可持续轮廓光滑,最后给出三个放大实例,证明了 文中放大算法比常规算法产生的图像质量高。 相似文献
1