国家科技成果重点推广计划(2004EC000096)
- 作品数：8 被引量：12H指数：2
- 相关作者：宋晓宇王永会刘云鹏崔明霞刘继飞更多>>
- 相关机构：沈阳建筑大学中国科学院更多>>
- 发文基金：国家科技成果重点推广计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于条形块跟踪的圆弧识别新方法被引量：1
- 2007年
- 圆弧识别是工程图纸矢量化研究中的重点和难点.为了提高识别的效率和精度,本文提出了一种基于条形块跟踪的圆弧矢量化方法,该方法采取条形块跟踪的思想获取圆弧和组合线的低级矢量—型值链,对组合线进行了分割,在几何意义明显的圆弧型值链上,通过检测和验证的方法识别出圆弧.在实验中,分别用标准数据和真实图纸进行了测试,实验结果显示算法具有较高的识别精度和识别效率.
- 宋晓宇王永会刘云鹏
- 关键词：矢量化
- 基于知识的工程图识别模型研究
- 2008年
- 对人工读图的认知过程进行了分析,总结出其自组织的特征,设计了"基于知识的工程图识别层次模型",将整个工程图识别过程分为像素、矢量图元和工程图形三个层次,层次之间相应地进行基于知识的两阶段的矢量化和识别处理,该模型为各种工程知识的使用打下了基础。
- 闵莉刘继飞
- 关键词：工程图
- 基于字符群体特征的图文分离算法研究被引量：1
- 2007年
- 为了正确分离图文,提出一种基于字符群体特征的图文分离算法。该方法以直线识别得到的短直线为基础,对连通域进行限制长度的外轮廓提取;通过大小和密度判据捡出候选字符,并以字符串形式出现的群体特征吸收漏识的字符和符号,实现包含标注字符、标题栏及明细栏字符等各类字符与图形位图的分离。结果表明:该算法提高了字符特别是难检字符及符号判定的可靠性,保持了字符串的完整性,具有适应性强、效果好的特点。
- 宋晓宇崔明霞王永会
- 关键词：图文分离矢量化
- 一种基于PBIL算法的快速图像匹配方法被引量：1
- 2005年
- 为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。在实验中,将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。
- 宋晓宇刘云鹏王永会
- 关键词：PBIL算法图像匹配遗传算法
- 基于像素群体特征的直线识别算法研究被引量：4
- 2007年
- 目的提高直线识别的准确度和精度,更好地解决线图形的直线矢量化中存在的不足,如细、斜线矢量化效果差,直线易断裂,端点定位不准等.进一步推进工程图纸理解系统的发展.方法依据工程图纸中直线像素群体出现的特征,搜索符合某群体特征的像素群,通过采集试探点组信息来统计判定直线是否可以定向生长,并采用节点窗口定位法提高端点定位准确度.结果实验对比表明:笔者方法受线宽的影响小,增强了抵抗直线断裂的能力,对提高直线识别的质量是有效的.结论基于像素群体特征,结合统计判定直线生长的方法,并在节点定位时适时引入节点窗口定位,使得此方法在直线识别上具有一定的速度与精度优势.
- 宋晓宇崔明霞魏志勇
- 关键词：矢量化
- 基于神经网络的工程图知识表示方法研究
- 2008年
- 本文在分析工程图知识特点的基础上,提出采用人工神经网络的方法表示其知识,使用BP神经网络实现工程图形符号的知识表达,并设计了基于BP的工程图符识别方法,把识别过程转化为网络内部权值计算过程。
- 刘继飞韩中华
- 关键词：工程图知识表示人工神经网络BP算法
- 一种基于Graham三角剖分生成Delaunay三角网的算法被引量：2
- 2007年
- 目的提出一种基于Graham三角剖分生成Delaunay三角网的算法,加快Delaunay三角网的生成速度.方法首先按Graham扫描法对平面散乱点集进行排序,然后将排好序的点通过可见点的判断连接成Graham三角网,最后利用拓扑结构快速进行优化,使其成为Delaunay三角网.结果通过500至10000个点的测试,表明这种基于Graham三角剖分生成Delaunay三角网的生成速度快于传统基于凸包生成Delaunay三角网的生成速度.结论采用可见点表的数据结构以及利用点、边、三角形的有序性的特点构建Delaunay三角网,是提高建网速度的关键.
- 宋晓宇李东王永会王洪信
- 关键词：DELAUNAY三角网
- 基于PBIL的快速图像匹配方法的研究被引量：4
- 2005年
- 为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习(Population-based Increased Learning,简称PBIL)算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。给出了理论分析和实验分析。在实验中,分析了不同终止条件下的算法性能,并将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。实验结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。
- 宋晓宇刘云鹏王永会
- 关键词：PBIL算法图像匹配遗传算法
