【摘 要】
：
彩色铅笔画自动生成算法是当前非真实感绘制技术研究热点之一。针对目前轮廓线条细节丢失的问题,该文提出融合B样条小波变换与二次卷积方法,得到的线条轮廓图保留更多细节信息且线条具有交叉感;线积分卷积(Line integral convolution, LIC)方法使用随机白噪声产生的纹理不清晰,且执行速度慢,该文在亮度图上添加高斯噪声替换随机二值白噪声,利用随机数控制噪声点,并应用运动模糊产生清晰纹理
【机 构】
：
河南省数控应用技术工程研究中心,河南工业大学信息科学与工程学院,英国赫特福德大学计算机科学学院
【基金项目】
：
国家自然科学基金(31171775),河南省高等学校重点科研项目(17A510008)。
论文部分内容阅读
彩色铅笔画自动生成算法是当前非真实感绘制技术研究热点之一。针对目前轮廓线条细节丢失的问题,该文提出融合B样条小波变换与二次卷积方法,得到的线条轮廓图保留更多细节信息且线条具有交叉感;线积分卷积(Line integral convolution, LIC)方法使用随机白噪声产生的纹理不清晰,且执行速度慢,该文在亮度图上添加高斯噪声替换随机二值白噪声,利用随机数控制噪声点,并应用运动模糊产生清晰纹理。实验证明,该算法得到的铅笔画效果与现存铅笔画生成算法相比,保留了更多的细节,更加接近实际艺术家作品风格。
其他文献
传统邻域粗糙集需指定半径或通过搜索方式找出适用于问题求解的半径,这在数据预处理过程中会带来极大的时间消耗。而粒球粗糙集方法则能够依据数据分布,自适应地生成合适的粒结构。以粒球的纯度为度量准则,粒球粗糙集方法亦为属性约简问题的研究引入新的思路。利用前向贪心搜索求解约简时,需尝试计算每一个候选属性被加入约简池后所引起的粒球纯度的变化,这为算法的执行效率带来了严峻挑战。为解决这一问题,在前向贪心搜索进程中提出了属性划分策略,其本质是将所有属性划分成不同的组,从而能够压缩候选属性的搜索空间,以达到快速求解约简的目
传统邻域分类器因良好的分类性能在分类问题中得到广泛应用。但数据规模和维度的不断增加,提高了邻域分类器的处理难度。为解决这一问题,该文基于Spark实现邻域决策错误率并行属性约简算法,删除数据中的冗余属性,减少数据间的不确定性。该算法能减少分类过程中数据计算时间,提高分类计算效率。邻域分类器在分类决策过程中采用的多数投票机制没有考虑到邻域样本的空间差异性与标签不确定性,易导致错误分类。该文在Spark框架下将D-S证据理论引入邻域分类器,并行融合整个邻域空间的证据支持信息,提出基于Spark的邻域证据并行分
特征选择技术是数据降维的一种关键技术,由于采集到的数据样本标签信息缺失,无监督特征选择受到了更多人的关注。现有的无监督特征选择算法普适性及稳定性很低,受数据集结构的影响很大,因此很多研究者一直热衷于提高算法的稳定性。该文尝试从数据集的预处理出发,采用区间的方式来对数据集进行近似,得到与数据集相关联的几个数据集,通过实验验证新的区间数据集的优劣性,并思考从全局的角度对数据集进行处理,进一步提出了一种新的模型——基于邻域区间扰动融合的无监督特征选择算法框架(Unsupervised feature selec
针对目前的广告点击率预估模型未能充分学习低阶特征且忽略了不同高阶特征对模型准确率的影响不同的问题,提出了一种基于注意力机制和深度学习的点击率预估模型。该模型采用改进因子分解机(Factorization machine,FM)算法,将全息简化表示(Holographic reduced representation,HRR)的压缩外积用于FM中,从而更好地学习低阶特征,帮助模型获得更好地表示。采用深度神经网络(Deep neural network,DNN)对高阶特征建模学习。引入注意力神经网络区分不同高
钢轨表面区域提取方法存在需要预先设定轨面宽度的问题,且容易受到光照不均和噪声的干扰,因此,该文提出一种基于HSV色彩空间S分量的轨面区域提取方法。进行自适应加权中值滤波操作,消除杂乱而细小的噪声;将去噪后的RGB轨道图像转化为HSV色彩空间轨道图像,将S空间分量图像单独提取出来,减少光照不均带来的干扰;采用改进的线性函数对S空间分量图像进行增强,提高不同区域的对比度差异;通过绘制灰度投影曲线,搜索
为了更好地预处理未标记数据,大多数基于图正则的无监督特征选择算法通过构造样本的相似性矩阵来删除冗余信息并选择具有代表性的特征子集。这些方法中的大多数图都是用固定数量的近邻数来初始化,忽略了数据分布不均匀的问题。为了解决这个问题,提出了一种基于自适应邻域和自表示正则的无监督特征选择算法(Adaptive neighborhood regularized self-representation,ANRSR)来选择具有代表性和判别性的特征子集。为了保留局部内在结构,该算法将基于自适应邻域的流形正则化运用到自表示
基于模糊相似关系的决策粗糙集是经典决策粗糙集的延伸与拓展,为当今的研究热点之一。在实际处理数据时,同一对象的同一属性可能具有不同层次,并且在不同层次上取得不同值。为此,该文针对多尺度决策系统,提出多尺度决策系统中基于模糊相似关系的决策粗糙集模型,给出相应的最优尺度选择及约简方法,并讨论了获得一个最优尺度约简的简便算法。利用5组UCI标准数据集对该文所提出的模型与算法进行实例验证,证明其有效性。该文提出的模型进一步拓展了基于模糊相似关系的决策粗糙集在多尺度决策系统下的应用。
形式概念分析理论(Formal concept analysis,FCA)是知识发现的重要工具,促进了人工智能的发展。FCA重要的研究课题之一就是规则提取,提取决策规则能够帮助解决不同内涵取值的概念的决策问题。该文首先提出了基于优势关系的模糊决策形式背景的3种协调性定义,并针对其关系进行讨论。然后基于确定性的粒决策规则提出正协调模糊决策形式背景上的决策规则融合方法,给出其对应算法从而获取包括确定性和不确定性的所有决策规则,且通过实例描述了该方法的有效性。
针对流通供应链内普遍存在的产品价格信息不对称现象,建立了市场运营商与批发商之间的主从博弈模型。通过分析在信息不对称、对称和部分对称3种情况下双方的动态博弈过程,发现批发商具有隐藏交易价格的动机,运营商具有希望批发商共享真实交易价格的动机。为实现有效的预测数据共享,在原有非合作理论基础上引入信任因子到廉价谈话预测数据的博弈模型中建立了信任嵌入模型,合理解释了实际供应链中可信预测数据共享存在并较好地预测了供应链中双方的合作行为。
传统对比度保持灰度化方法采用欧氏距离计算彩色图像的对比度。这种方式只考虑了通道整体的相关性,没有考虑到通道之间的相关性,可能导致灰度化后的结果出现噪声或者细节丢失的情形。针对上述问题,利用四元数相关理论,提出基于色度面投影的四元数色度距离度量公式;利用该度量公式进一步提出基于随机差分的全局色度对比度度量方法和基于水平和垂直方向差分的局部对比度度量方法;利用该对比度度量方法构造对比度保持的目标函数;