论文部分内容阅读
在设计领域中草图符号得到了广泛地应用,人们一般利用草图符号记录设计思想,再利用设计软件作进一步处理。为了实现设计软件中对草图输入方式的支持,手绘草图符号的识别研究得到了人们广泛地关注。单个领域的草图符号识别由于其底层识别具有一定的独立性,这为多领域符号的识别提供了可能。同时,相关领域中的草图符号作为语义单元同样具有一定的语义信息,因此,领域语义对于精确草图符号识别具有重要意义。据此,本文给出了一种基于语义贝叶斯网络的多领域草图符号识别系统框架,初步实现了基于贝叶斯网络的草图语义符号推理及识别。本文主要研究内容如下:(1)设计了一种基于感知的草图符号描述语言PLE_Sketch。PLE_Sketch建立在人类感知信息的基础之上,语法结构中嵌入了人类感知权重信息。PLE_Sketch的语法结构包括几何基和约束两部分,建立时均设定初始权值,而具体领域符号对应的权值可以通过感知过滤器作适应性调整。PLE_Sketch采用线性不可递归的语法结构,利用有限的词汇可描述无限的草图符号,具有线性可扩展性。(2)给出了一种领域独立的手绘草图符号规整方法及其处理流程,主要工作包括:草图笔画的预处理、基于角点的笔画分割、几何基识别以及约束关系识别。其中,给出了一种GL_TB角点识别算法,该算法建立在笔画的局部和全局属性的基础上,是一种可训练且可回归的角点识别算法。(3)提出了一种基于贝叶斯网络的草图语义符号推理模型。基于初始后验概率,贝叶斯决策生成假设模板,假设模板的初始后验概率值随着笔画的加入动态更新,系统依据更新的后验概率值作出撤销、保留或产生包含当前假设模板更大的假设模板的决策。当需提取识别结果时,系统依据最大子图形划分产生图形模板。同时,通过对图形模板的空槽进行填槽,完成底层识别的纠错处理。(4)完成了基于语义的多领域草图符号原型系统的设计及主要功能开发。重点介绍了多领域草图符号定义模块、底层笔画规整模块以及贝叶斯决策推理模块的实现细节。