【摘 要】
：
考古发掘出来的陶质文物年代久远,本身材质脆弱,由于历经地壳运动,风化侵蚀,保存处理方式不当等原因,原本完整的文物破损成若干碎块。文物修复技术可以重现破损文物的原貌,对考古研究与文化传承有重要意义。计算机辅助虚拟拼接复原是文物修复领域的重要技术手段,相较于手动拼接修复有着不可替代的优势。虚拟拼接方法中的两个关键部分分别为匹配与配准过程。现有方法在匹配过程中所使用的人工设计的特征描述子的可靠性有待提高
【基金项目】
：
国家自然科学基金重点项目“破损陶质文物数字几何虚拟复原方法研究”（61731015）； 国家重点研发计划“多样性文物智能采集关键技术研发”（2019YFC1521103）；
论文部分内容阅读
考古发掘出来的陶质文物年代久远,本身材质脆弱,由于历经地壳运动,风化侵蚀,保存处理方式不当等原因,原本完整的文物破损成若干碎块。文物修复技术可以重现破损文物的原貌,对考古研究与文化传承有重要意义。计算机辅助虚拟拼接复原是文物修复领域的重要技术手段,相较于手动拼接修复有着不可替代的优势。虚拟拼接方法中的两个关键部分分别为匹配与配准过程。现有方法在匹配过程中所使用的人工设计的特征描述子的可靠性有待提高。在配准过程中,碎块间的配准精度为主要目标。本文基于断裂面的全局相似度,以提升特征可靠性和碎块配准精度为方向展开研究,主要贡献如下:（1）针对传统人工设计的描述子所构造的特征空间较为有限和计算开销较为繁冗的问题,本文使用深度特征描述子,基于暹罗网络（Siamese Network）,设计了一个实现点云全局相似度度量的神经网络Siamese-Point Net,以得分形式评价碎块断裂面的匹配度。实验表明本方法取得了较高的准确率,为匹配阶段提供了有力支持。（2）提出一种传统方法与深度学习方法结合的由粗到细的分步配准策略。通过主成分分析（Principal Component Analysis,PCA）得到粗略配准结果;在此基础上,运用迁移训练的深度最近点（Deep Closest Point,DCP）网络得到细致的配准结果。本方法避免了迭代运算和无法收敛的问题,消除了阈值影响,在一定程度上提升了配准的成功率和精度。（3）提出一种基于断裂面全局相似度的多碎块处理方案。针对实际应用场景中多碎块的拼接问题,设计了一个完整的处理方案。本方案以（1）中暹罗网络输出的匹配得分为依据,在每个轮次中选择得分最大的碎块作为配准对象;运用（2）中配准方法,以贪心算法的思想获取多碎块的拼接结果。
其他文献
近年来,深度卷积神经网络（Deep Convolution Neural Networks,DCNN）在单幅图像超分辨率（Single Image Super-Resolution,SISR）中得到了广泛的应用。然而,大多数现有的基于DCNN的SISR方法往往会产生过于平滑的输出,对图像细节信息的恢复不够理想。为了解决上述问题,本文对基于小波变换和自注意力机制的图像超分辨率重建算法进行了相关研究,
在网络媒体时代,人们通过微博、短视频等社交平台对各类热点事件发表相关言论和看法,这些文本内容简短、表达幽默,能充分反映人们的内心情绪。挖掘这些短文本的潜在情感倾向性,分析和预测用户行为,可以为各个领域的舆情监管工作提供辅助支持。目前,面向网络短文本的情感分析算法研究已取得了一定的成果,但仍存在一些问题,例如,网络新词的不断涌现造成分词效果较差;短文本表现形式的复杂导致传统特征选择结果不佳;特征学习
MOOC平台课程评论文本中包含了大量学习者对某一门课程的看法,甚至是对授课教师和学习平台的看法。然而海量的评论数据使得教师或平台无法对每条评论及时阅读和处理。通过对MOOC课程评论进行情感分类和方面挖掘研究,能够了解学习者在学习过程中所关注的方面和对其产生的情感态度,有助于教师或平台改进教学方式和完善平台功能,从而调动学习者积极性,降低退课率。本文以MOOC课程评论文本为研究对象,针对情感分类和方
句子相似度计算是自然语言处理中广泛应用的技术,是句子语义理解的基础,能促进计算机对人类语言的深入理解。为了能准确地对句子进行相似度计算,本文首先提出一种能准确地对句子语义建模的句子表示方法,然后提出一种能高效地对句子之间的语义关系建模的句子匹配算法,最后在此基础上提出一种句子相似度计算方法。本文主要研究工作如下:（1）针对句子包含的空间信息的特征很难被准确提取的问题,提出了一种基于异构图的句子表示
眼眶淋巴瘤（Orbital Adnexal Lymphoma,OAL）和炎性假瘤（Idiopathic Orbital Inflammation,IOI）是眼眶最常见的两种淋巴组织增生性疾病。OAL是一种恶性眼眶肿瘤,发生率高达55%,其最佳治疗方法是局部放疗。IOI是一种特发性良性病变,约占眼眶疾病的10%,糖皮质激素治疗是目前公认首选的治疗方法。这两种疾病治疗方法的巨大不同使得区分二者极为迫切
古代文物具有丰富的文化内涵,由于自然灾害或人为因素,出土文物存在不同程度的缺损,影响了虚拟展示等后续工作。随着三维激光扫描技术的发展,三维数字化修复成为文物虚拟化修复领域的挑战性问题,对重现文物全貌具有重要意义。然而,为了提高修复效率首先会压缩文物模型,导致部分特征丢失。此外,复原的三维文物表面缺乏颜色纹理的信息。因此本文应用深度学习技术,分别从三维和二维的角度修复表面几何特征和纹理信息。主要研究
随着计算机视觉技术的蓬勃发展,人们越来越不满足于仅通过计算机了解场景目标的二维信息,使用二维序列图像重建出目标主体的三维信息成为了越来越迫切的需求。如今,基于序列图像的三维重建技术已在多个领域发挥着不可替代的作用,然而该技术存在着无法兼顾重建精度与实时性的问题。本文主要关注序列图像三维重建的精度与实时性问题,从三维重建对输入序列图像的分辨率要求较高以及传统三维重建算法无法兼顾精度和实时性这两个问题
与人脸识别、语音识别一样,手势识别也较常见,广泛应用于日常生活,具有很高的应用价值。已有的识别方法是视频成像、佩戴设备或无线装置,其中前两种在精度和效率上都较高,但受限于环境或隐私。而无线识别中基于Wi-Fi信道状态信息（Channel State Information,CSI）的识别方法则没有这些限制,有利于手势识别研究。但是,在跨场景手势识别问题中,每个不同的场景均需大量的数据样本来完成高精
异构设备的发展和应用促使相关的运行框架得到快速的发展,OpenCL作为首个跨平台的运行框架,代表了当前异构设备的发展趋势。它能够在多核的CPU、GPU等异构单元上透明运行,但因不同平台的环境差异,导致其性能优化移植性较差,从而造成程序运行效率的低下。现有的OpenCL程序优化方法采用自然语言处理技术对程序顺序关系特征进行建模优化,以提高程序的加速比,由于忽略了程序的语法语义关系,导致程序运行效率低
软件缺陷制约软件产业发展,严重影响软件质量。探索高效、自动的软件缺陷修复方法是目前软件工程领域的重要课题之一。深度学习技术的发展和大规模开源代码库的出现为改进传统基于“生成-验证”的缺陷修复方法带来了可能,正在成为目前研究的热点方向。目前基于深度学习的缺陷修复方法主要依赖来自开源代码库中的数据集构建模型,尽管与传统基于手工提取缺陷修复模式的修复方法相比,能够生成可通过配套测试用例集的有效补丁,但生