基于贝叶斯网络的草图识别研究.pdf

基于贝叶斯网络的草图识别研究.pdf

ID:52973712

大小:311.75 KB

页数:4页

时间:2020-04-05

基于贝叶斯网络的草图识别研究.pdf_第1页
基于贝叶斯网络的草图识别研究.pdf_第2页
基于贝叶斯网络的草图识别研究.pdf_第3页
基于贝叶斯网络的草图识别研究.pdf_第4页
资源描述:

《基于贝叶斯网络的草图识别研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2012年1月中国制造业信息化第41卷第l期基于贝叶斯网络的草图识别研究张海龙,谢强,丁秋林(南京航空航天大学计算机科学与技术学院,江苏南京210016)摘要:针对大多数草图识别算法笔画分组精确率低和用户适应性较差的问题,提出了一种基于混合特征的笔画分组方法,并在笔画的分组信息基础上构建了贝叶斯网络模型识别用户绘制的语义符号。该方法首先将用户绘制的笔画分组,每个分组代表一个独立的语义符号,然后提取分组的特征向量,最后通过贝叶斯网络模型推理出分组对应的语义符号。通过实验验证和数据分析,表明该方法具有良好的用户适应性、笔画分组能力及符号识别能力。关键词:手绘草图;笔画分组;贝叶斯网络;符

2、号识别中图分类号:TP3文献标识码:A文章编号:1672—1616(2012)01—0082—04随着计算机图形技术的发展,人们对方便快捷根据样本在特定模式中出现的概率进行识别。目的交互式用户图形界面的需求越来越高,手绘草图前常用的统计模型包括神经网络(NN)E6J、支撑向输入以其利于创造性思维的快速表达、抽象思维的量机(SVM)k7等。外化和思想的自由描述等优点,成为感知用户界面针对上述问题,本文提出了基于混合特征(时不可或缺的一部分。因此,草图识别成为研究人员间和空间信息)的用户笔画分组方法。该方法经过关注的焦点。草图识别的目标就是在不干扰用户训练后既能适应不同用户的绘制习惯,也

3、能弥补单绘图过程的前提下对用户输入进行分析处理,正确纯使用时间阈值约束用户绘图的不足。另外构建捕获其意图,将最佳的识别结果呈现给用户。了基于笔画分组信息的贝叶斯网络推理模草图识别主要包括笔画分组和符号识别。目型【,利用贝叶斯网络拓扑结构表示识别语义前的笔画分组算法大多采用限制用户的绘制习惯符号的推理过程,达到草图识别的目标。来提高识别的精确度。文献[1]、[2]提出的可训练手势识别器限制用户在绘制语义符号时必须单笔1笔画识别及分组完成;文献[3]采用显式提示的方法,要求用户绘制笔画分组通过对用户绘制的笔画进行数据采完一个语义符号后必须单击按钮;文献[4]使用时样,依据一定的算法或推理

4、规则将代表一个语义符间阈值的方法,要求用户在绘制完一个语义符号后号的笔画进行归类,将整个草图分解成多个具有独必须有一个明显的停顿;此外还有采用特殊图形标立语义符号的笔画集合,然后从集合中抽取特征向志(如箭头)的方法进行分组_5j。这些分组算法的量,为后续的识别过程提供数据。因此,笔画分组约束条件多,削弱了手绘界面的自然绘制特点,限的效果将直接影响到后续的识别结果。制了其快速表达用户设计意图和建模的能力。笔画分组过程可以分解为2个子过程:(1)对符号识别是根据分组后的笔画集合,提取蕴含用户绘制的笔画进行数据采样,并通过笔画的几何其中的特征信息(通常以特征向量表示),通过相似属性识别出笔

5、画自身的特征(如笔画大小、笔画形性计算捕获用户的绘制意图。目前采用的识别方状、笔画曲率等);(2)通过选取用户绘制的前后笔法主要分为2大类:(1)基于结构特征和规则库的画之间的关系将代表同一语义符号的笔画进行归识别方法。该类方法主要利用几何特征对草图进类。归类规则主要包括前后笔画的空间位置关系、行描述,通过对所定义的规则的匹配和检索来完成相交关系、时序关系等。图形的识别。(2)基于统计模型的识别方法。该类1.1笔画的几何属性描述方法是以特征空间中的一组特征对草图进行描述,在笔画的几何属性中,通过实验验证发现,描收稿日期:2011—11—02作者简介:张海龙(1986一),男,山东济宁

6、人,南京航空航天大学硕士研究生,主要研究领域为智能人机交互。·应用研究·张海龙谢强丁秋林基于贝叶斯网络的草图识别研究83述一个笔画的几何属性只需要它所有几何特征中5.045的一部分。因此,在实验中选取了几何特征中的闭4.0合路径、包围盒面积、采样点曲率总和3个特征作35f槲3O为描述笔画几何属性的主要依据。另外,这样的选25择在保证具有良好的笔画识别效果的前提下,使算2O法具有较好的执行效率。对笔画描述时所选取的1510几何特征可以表示为:05G={P,S,C}(1)O0246810l2141618式中lP为闭合路径;s为笔画包围盒面积;c为笔绘制时间/S画曲率总和。图2笔画时间间隔

7、变化率根据G集合中笔画的几何特征就可以判断出1.2.2距离规则用户绘制的笔画属于哪一种类型,比如直线、圆弧对于同一个语义符号内的笔画,用户绘制时笔等。建立G集合的目的是为后续利用贝叶斯网络画之间的位置相对比较紧凑,空间距离相对较小。模型推理语义符号的过程提供特征向量数据。实验中同样也选取了笔画之间的空间距离信息作1.2笔画分组规则描述为笔画分组的依据。在本文中选取了dismax和1.2.1时间规则distain分别表示两笔画i和J之间的最大和最小距在用户绘

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。