-
公开(公告)号：CN103310232A
公开(公告)日：2013-09-18
申请号：CN201310255049.7
申请日：2013-06-25
申请人： 重庆大学
IPC分类号： G06K9/64
摘要： 本发明公开了一种基于图元形状信息的层间轮廓匹配方法，包括对分别处于相邻两层中的图元进行两两匹配；在相邻两层中针对上述已配对的图元，对由圆弧和直线段组成的复合轮廓进行两两匹配；对相邻两层中仍未匹配的圆和复合轮廓进行层间一一匹配；进行层间分叉轮廓匹配；进行层间退化轮廓匹配处理。本发明是在基于序列层轮廓的三维表面重建中，提出一种以矢量化轮廓为输入数据，基于图元形状信息的层间轮廓匹配方法。本发明既有对层间匹配方法利用轮廓形状信息的创新，又解决了对ICT逆向工程中表面重建中层轮廓复杂的情况下的层间匹配问题。
-
公开(公告)号：CN107392243A
公开(公告)日：2017-11-24
申请号：CN201710586578.3
申请日：2017-07-18
申请人： 重庆大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6286 , G06K9/6259
摘要： 本发明涉及一种基于零空间LDA的语义空间监督学习的图像分类方法，属于属于图像分类领域。该方法包括以下步骤：采集图像数据库Z样本，在数据Z的原始表示上，求出组内散度矩阵、组间散度矩阵，以及全散度矩阵；对全散度矩阵St做特征值分解；当终止条件||YQ(k+1)-X(k+1)||F≤ε成立时终止迭代，否则k←k+1；得到样本语义空间结构向量X，将样本Z投影至语义空间得到语义表示 将KNN分类器应用于语义空间表示上得到标签L。本发明解决了传统LDA算法无法有效的解决由样本维数大于样本个数而引起的小样本问题，相较于DLDA、PCA+LDA以及SRC算法在分类精度上有着不小的提升。
-
公开(公告)号：CN103310232B
公开(公告)日：2016-05-25
申请号：CN201310255049.7
申请日：2013-06-25
申请人： 重庆大学
IPC分类号： G06K9/64
摘要： 本发明公开了一种基于图元形状信息的层间轮廓匹配方法，包括对分别处于相邻两层中的图元进行两两匹配；在相邻两层中针对上述已配对的图元，对由圆弧和直线段组成的复合轮廓进行两两匹配；对相邻两层中仍未匹配的圆和复合轮廓进行层间一一匹配；进行层间分叉轮廓匹配；进行层间退化轮廓匹配处理。本发明是在基于序列层轮廓的三维表面重建中，提出一种以矢量化轮廓为输入数据，基于图元形状信息的层间轮廓匹配方法。本发明既有对层间匹配方法利用轮廓形状信息的创新，又解决了对ICT逆向工程中表面重建中层轮廓复杂的情况下的层间匹配问题。
-
公开(公告)号：CN102881044B
公开(公告)日：2015-07-01
申请号：CN201210369882.X
申请日：2012-09-27
申请人： 重庆大学
IPC分类号： G06T17/00
摘要： 本发明提供一种基于三角形折叠的三维网格模型简化方法，所述简化方法通过顶点投影计算模型中各三角形的折叠点，对网格图形中的几何元素进行折叠，以实现简化目的，并结合简化时产生的体积误差、最大面积值以及法向量误差对简化进行误差控制。本发明提出的简化方法解决了三维图像数据传输量、存储量过大的问题，并在减少简化模型误差的同时有效地保持了原始模型的几何特征，在计算机辅助设计、医学图像系统等领域有着重要的应用价值。
-
公开(公告)号：CN102881044A
公开(公告)日：2013-01-16
申请号：CN201210369882.X
申请日：2012-09-27
申请人： 重庆大学
IPC分类号： G06T17/00
摘要： 本发明提供一种基于三角形折叠的三维网格模型简化方法，所述简化方法通过顶点投影计算模型中各三角形的折叠点，对网格图形中的几何元素进行折叠，以实现简化目的，并结合简化时产生的体积误差、最大面积值以及法向量误差对简化进行误差控制。本发明提出的简化方法解决了三维图像数据传输量、存储量过大的问题，并在减少简化模型误差的同时有效地保持了原始模型的几何特征，在计算机辅助设计、医学图像系统等领域有着重要的应用价值。
-
-
-
-
搜索结果
5 条记录 (耗时 0.03 秒)
