CN112634399A - 封闭曲线生成方法、装置、电子设备及可读存储介质 - Google Patents
封闭曲线生成方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112634399A CN112634399A CN202011460240.1A CN202011460240A CN112634399A CN 112634399 A CN112634399 A CN 112634399A CN 202011460240 A CN202011460240 A CN 202011460240A CN 112634399 A CN112634399 A CN 112634399A
- Authority
- CN
- China
- Prior art keywords
- cell
- binary image
- model
- closed curve
- closed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000007704 transition Effects 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000001413 cellular effect Effects 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000009877 rendering Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种封闭曲线生成方法、装置、电子设备及可读存储介质,其中所述方法包括:获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。本发明通过采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种封闭曲线生成方法、装置、电子设备及可读存储介质。
背景技术
要进行室外大范围的景观规划,在道路、建筑之外进行大面积的绿化是不可或缺的。目前,由于三维(three dimensional,3D)软件的功能受限,需要美术人员手动选取除道路、建筑之外的区域,进行树木的随机生成。
但是,由于需要人工进行大范围植树区域的提取,需要耗费较大的工作量和时间,因此效率较低。
发明内容
本发明提供一种封闭曲线生成方法、装置、电子设备及可读存储介质,用以解决现有技术在提取植树区域时效率低的缺陷,实现有效提高提取效率的目标。
本发明提供一种封闭曲线生成方法,包括:
获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;
以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;
其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
根据本发明一个实施例的封闭曲线生成方法,在所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线之前,还包括:
通过获取用户定义的模型输入量和模型输出量,确定所述全局规则;
基于用户针对所述二值图像中不同区域定义的像素色值变换原则,确定所述细胞状态转移规则;
基于所述全局规则和所述细胞状态转移规则,建立初始细胞自动机模型;
利用所述训练样本,逐步训练所述初始细胞自动机模型直至精度达到预设标准,获取所述改进的细胞自动机模型。
根据本发明一个实施例的封闭曲线生成方法,根据所述模型输入量和所述模型输出量,确定所述全局规则包括:
给定:二值图像P,令所述第一色值为0,令所述第二色值为1;
输入:U(t)=P;
输出:Y(t)=>Y(∞)=二值图像P,按照所述细胞状态转移规则进行迭代输出。
根据本发明一个实施例的封闭曲线生成方法,根据所述像素色值变换原则,确定所述细胞状态转移规则包括:
若第一细胞处于所述受限区域内,则所述第一细胞的状态保持不变;
若第二细胞处于所述非受限区域内,则,
若所述第二细胞的当前状态为1且所述第二细胞最多具有n1个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为0的概率为p1;
若所述第二细胞的当前状态为0且所述第二细胞最少具有n2个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为1的概率为p2;
其中,n1、n2为正整数,p1,p2∈[0,1]。
根据本发明一个实施例的封闭曲线生成方法,在所述获取目标区域的二值图像之后,还包括:
在所述二值图像中随机生成至少一个随机图形,获取包含所述随机图形的二值图像,所述随机图形填充为所述第一色值;
相应的,以所述包含所述随机图形的二值图像为细胞空间,以所述包含所述随机图形的二值图像中的每个像素为一个细胞,利用所述改进的细胞自动机模型,生成所述封闭轮廓曲线。
根据本发明一个实施例的封闭曲线生成方法,在所述生成所述目标区域内的封闭轮廓曲线之后,还包括:
获取包含所述封闭轮廓曲线的目标图像,并采用计算机视觉库对所述目标图像进行平滑处理,获取平滑处理后的目标图像;
提取所述平滑处理后的目标图像中的轮廓信息,并基于所述轮廓信息,生成目标封闭曲线。
根据本发明一个实施例的封闭曲线生成方法,所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线,包括:
通过数据类型转换,将所述二值图像的数据转换为并行计算库Cuda所兼容的Cuda库数据;
基于所述Cuda库数据,利用所述改进的细胞自动机模型结合图形处理器GPU,进行细胞自动机的并行运算,生成所述封闭轮廓曲线。
根据本发明一个实施例的封闭曲线生成方法,在所述获取目标区域的二值图像之前,还包括:
将所述目标区域从俯视角度渲染成第一图像,所述第一图像中所述受限区域与所述非受限区域的色差大于设定阈值;
相应的,所述获取目标区域的二值图像包括:
将所述第一图像进行灰度化处理,得到灰度图像,并对所述灰度图像进行二值化处理,获取所述二值图像。
本发明还提供一种封闭曲线生成装置,包括:
获取模块,用于获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;
计算模块,用于以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;
其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
根据本发明一个实施例的封闭曲线生成装置,还包括建模模块,用于:
通过获取用户定义的模型输入量和模型输出量,确定所述全局规则;
基于用户针对所述二值图像中不同区域定义的像素色值变换原则,确定所述细胞状态转移规则;
基于所述全局规则和所述细胞状态转移规则,建立初始细胞自动机模型;
利用所述训练样本,逐步训练所述初始细胞自动机模型直至精度达到预设标准,获取所述改进的细胞自动机模型。
根据本发明一个实施例的封闭曲线生成装置,所述建模模块,用于根据所述模型输入量和所述模型输出量,确定所述全局规则包括:
给定:二值图像P,令所述第一色值为0,令所述第二色值为1;
输入:U(t)=P;
输出:Y(t)=>Y(∞)=二值图像P,按照所述细胞状态转移规则进行迭代输出。
根据本发明一个实施例的封闭曲线生成装置,所述建模模块,用于根据所述像素色值变换原则,确定所述细胞状态转移规则包括:
若第一细胞处于所述受限区域内,则所述第一细胞的状态保持不变;
若第二细胞处于所述非受限区域内,则,
若所述第二细胞的当前状态为1且所述第二细胞最多具有n1个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为0的概率为p1;
若所述第二细胞的当前状态为0且所述第二细胞最少具有n2个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为1的概率为p2;
其中,n1、n2为正整数,p1,p2∈[0,1]。
根据本发明一个实施例的封闭曲线生成装置,所述获取模块,还用于:
在所述二值图像中随机生成至少一个随机图形,获取包含所述随机图形的二值图像,所述随机图形填充为所述第一色值;
相应的,所述计算模块,用于以所述包含所述随机图形的二值图像为细胞空间,以所述包含所述随机图形的二值图像中的每个像素为一个细胞,利用所述改进的细胞自动机模型,生成所述封闭轮廓曲线。
根据本发明一个实施例的封闭曲线生成装置,所述计算模块,还用于:
获取包含所述封闭轮廓曲线的目标图像,并采用计算机视觉库对所述目标图像进行平滑处理,获取平滑处理后的目标图像;
提取所述平滑处理后的目标图像中的轮廓信息,并基于所述轮廓信息,生成目标封闭曲线。
根据本发明一个实施例的封闭曲线生成装置,所述计算模块,具体用于:
通过数据类型转换,将所述二值图像的数据转换为并行计算库Cuda所兼容的Cuda库数据;
基于所述Cuda库数据,利用所述改进的细胞自动机模型结合图形处理器GPU,进行细胞自动机的并行运算,生成所述封闭轮廓曲线。
根据本发明一个实施例的封闭曲线生成装置,还包括:
渲染模块,用于将所述目标区域从俯视角度渲染成第一图像,所述第一图像中所述受限区域与所述非受限区域的色差大于设定阈值;
相应的,所述获取模块,具体用于:
将所述第一图像进行灰度化处理,得到灰度图像,并对所述灰度图像进行二值化处理,获取所述二值图像。
本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述处理器执行所述程序或指令时,实现如上述任一所述的封闭曲线生成方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有程序或指令,所述程序或指令被计算机执行时,实现如上述任一所述的封闭曲线生成方法的步骤。
本发明提供的封闭曲线生成方法、装置、电子设备及可读存储介质,通过采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的封闭曲线生成方法的流程示意图;
图2为根据本发明提供的封闭曲线生成方法渲染的第一图像的示意图;
图3为根据本发明提供的封闭曲线生成方法获取的二值图像的示意图;
图4为根据本发明提供的封闭曲线生成方法获取的封闭轮廓曲线的示意图;
图5为本发明提供的封闭曲线生成方法中不同类型邻域的示意图;
图6为根据本发明提供的封闭曲线生成方法生成的随机图形的示意图;
图7为根据本发明提供的封闭曲线生成方法生成的目标封闭曲线的示意图;
图8为本发明提供的封闭曲线生成装置的结构示意图;
图9为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明针对现有技术在提取植树区域时效率低的问题,通过采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。以下将具体结合附图,通过多个实施例对本发明进行展开说明和介绍。
图1为本发明提供的封闭曲线生成方法的流程示意图,如图1所示,该方法包括:
S101,获取目标区域的二值图像。
其中,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值。
可以理解为,本发明是对包含受限区域的目标区域进行处理,因此可先获取目标区域的二值图像。该二值图像中将受限区域和非受限区域分别用两种不同的颜色进行标记,为便于区分和理解,将受限区域显示的颜色值称为第一色值,将非受限区域显示的颜色值称为第二色值。
可选的,在所述获取目标区域的二值图像之前,还包括:将所述目标区域从俯视角度渲染成第一图像,所述第一图像中所述受限区域与所述非受限区域的色差大于设定阈值。
相应的,所述获取目标区域的二值图像包括:将所述第一图像进行灰度化处理,得到灰度图像,并对所述灰度图像进行二值化处理,获取所述二值图像。
具体而言,本发明可以事先对目标区域从俯视角度进行图像渲染,并将受限区域和非受限区域进行区分后渲染成不同的颜色,要求受限区域与非受限区域的色差大于预先设定好的设定阈值,则渲染结束可以得到一张不同区域具有一定色差的图像,可称为是第一图像。第一图像通常是彩色图像。
例如,可以在3D软件中从俯视角度将目标区域渲染生成一张10公里直径范围内的道路、建筑等的图像,如图2所示,为根据本发明提供的封闭曲线生成方法渲染的第一图像的示意图,其中道路、河流和建筑等不能植树的区域标记为黑色,可以植树的区域为浅色(例如白色或浅灰色等)。
于是,在根据上述步骤获取二值图像时,可以先将上述彩色的第一图像进行灰度化处理,得到处理后的图像可称为灰度图像,并可进一步对该灰度图像进行二值化处理,得到处理后的图像可称为是二值图像。例如,如图3所示,为根据本发明提供的封闭曲线生成方法获取的二值图像的示意图,其中受限区域用黑色进行标记,非受限区域用白色进行标记。
其中,受限区域是指不能进行操作或处理的区域,例如在进行景观规划提取目标区域内的植树区域时,道路、建筑物、河流等所在的区域,都是不可操作区域,则这些区域即成为受限区域。于是,目标区域中除受限区域之外的区域可称为非受限区域。
目标区域是指待进行处理的区域,例如可以是8公里*8公里或10公里*10公里的一片区域等,当然也可以是任何不规则形状的一片区域,本发明对此并不作具体限定。
灰度化处理是指将第一图像各像素的RGB值处理成R=G=B的结果,该像素值称为灰度值。
二值化处理的目的是将目标和背景分类,本发明中是指将受限区域和非受限区域分类。灰度图像二值化处理可采用阈值法,即利用图像中目标与背景的差异,把图像分别设置为两个不同的级别,选取一合适的阈值,以确定某像素是目标还是背景,从而获得二值化的图像。二值图像是指仅包含两种颜色像素的图像,如只包括黑色像素和白色像素的图像。
S102,以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线。
其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
可以理解为,本发明以二值图像作为一个细胞空间,以二值图像中的每个元素作为一个细胞,构造改进的细胞自动机模型,其中所有的细胞都只能是以下两种状态中任一:第一色值表示受限区域,第二色值表示非受限区域。
之后,可将二值图像输入到改进的细胞自动机模型中,通过改进的细胞自动机模型的自动运算,在目标区域中生成具有一定轮廓宽度的封闭曲线,可称为是封闭轮廓曲线。如图4所示,为根据本发明提供的封闭曲线生成方法获取的封闭轮廓曲线的示意图,其中生成的封闭曲线的轮廓都是具有一定宽度的。
应理解的是,一个标准的细胞自动机是一个由细胞、细胞状态、邻域和状态更新规则构成的四元组,用数学符号可以表示为A=(L,d,S,N,f)。
其中,A表示一个细胞自动机系统;
L表示细胞空间,细胞是构成细胞自动机的最基本单元,而细胞空间是细胞所分布的空间网点集合;
d表示细胞自动机内细胞空间的维数,是一正整数,本发明是采用2维空间;
S是细胞有限的、离散的状态集合,通常在某一个时刻一个细胞只能有一种细胞状态,而且该状态取自一个有限集合,如{0,1},{生,死}或{0,a1,a2,an};
N表示某个邻域内所有细胞的集合,在空间位置上与细胞相邻的细胞称为它的邻元,由所有邻元组成的区域称为它的邻域;在二维细胞自动机中,如图5所示,为本发明提供的封闭曲线生成方法中不同类型邻域的示意图,邻域可采用以下几种类型:冯·诺依曼型(vonNeumanNeighborhoods)、摩尔型(MooreNeighborhoods)和马哥勒斯型(MargolusNeighborhoods);
本发明中定义了新的状态转移规则,由于该状态转移规则是针对细胞的,因此可称为是细胞状态转移规则,该状态转移规则针对受限区域和非受限区域内细胞在不同状态下的状态转移分别作了限定。
同时,本发明对细胞自动机的全局规则也作了限定,其是针对细胞自动机算法的全局规则。包括定义细胞自动机的给定、输入及输出等。
本发明提供的封闭曲线生成方法,可以进一步应用于如实现一个8公里*8公里的场景中除道路、建筑等外,可以进行植树区域的随机封闭曲线的提取的场景中,通过采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。
在上述各实施例的封闭曲线生成方法的基础上,在所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线之前,还包括:
通过获取用户定义的模型输入量和模型输出量,确定所述全局规则;基于用户针对所述二值图像中不同区域定义的像素色值变换原则,确定所述细胞状态转移规则;基于所述全局规则和所述细胞状态转移规则,建立初始细胞自动机模型;利用所述训练样本,逐步训练所述初始细胞自动机模型直至精度达到预设标准,获取所述改进的细胞自动机模型。
可以理解为,本发明在根据上述各实施例利用改进的细胞自动机模型生成封闭曲线之前,可以先构建该改进的细胞自动机模型。具体而言,可以根据用户定义,先分别确定模型的全局规则和细胞状态转移规则,从而确定出模型的网络拓扑结构和初始网络参数,也即得到一个初始的未经训练的细胞自动机模型,可称为初始细胞自动机模型。之后,利用准备好的训练样本,对初始细胞自动机模型进行循环迭代训练,直到训练出的模型的精度达到预设标准,则将该训练出的模型作为目标模型,可称为改进的细胞自动机模型,应用于进行封闭曲线的生成。
可以理解的是,模型的全局规则主要用于表征模型的全局输入量和输出量。用户事先可以根据需要对模型输入量和模型输出量进行定义,本发明的封闭曲线生成方法在建模时可直接获取到该模型输入量和模型输出量,并据此确定改进的细胞自动机模型的全局规则。
模型的细胞状态转移规则用于表征细胞状态如何改变以及发生改变需满足的条件。同样的,用户事先也可以根据需要对二值图像中不同区域的像素如何变化以及变化需满足的条件进行定义,其中像素如何变化以及变化需满足的条件可称为是像素色值变换原则。本发明的封闭曲线生成方法在建模时可直接获取到该像素色值变换原则,并将其映射到细胞自动机模型,确定出改进的细胞自动机模型的像素色值变换原则。
其中,根据上述各实施例提供的封闭曲线生成方法可选的,根据所述模型输入量和所述模型输出量,确定所述全局规则包括:
给定:二值图像P,令所述第一色值为0,令所述第二色值为1;
输入:U(t)=P;
输出:Y(t)=>Y(∞)=二值图像P,按照所述细胞状态转移规则进行迭代输出。
具体而言,本发明在进行细胞自动机模型的全局规则的定义时,提出了新的全局规则,具体给定是静态二值图像P,其中黑色为0,白色为1;输入定义为U(t)=P;输出定义为Y(t)=>Y(∞)=二值图像。其中输出按照状态转移规则进行迭代输出。
其中,根据上述各实施例提供的封闭曲线生成方法可选的,根据所述像素色值变换原则,确定所述细胞状态转移规则包括:
若第一细胞处于所述受限区域内,则所述第一细胞的状态保持不变;
若第二细胞处于所述非受限区域内,则,
若所述第二细胞的当前状态为1且所述第二细胞最多具有n1个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为0的概率为p1;
若所述第二细胞的当前状态为0且所述第二细胞最少具有n2个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为1的概率为p2;
其中,n1、n2为正整数,p1,p2∈[0,1]。
具体而言,,本发明同时定义了新的状态转移规则。首先,设置受限区域R,若细胞处于受限区域内,将该细胞称为是第一细胞,该第一细胞后续状态不变;
其次,对于其他细胞,也就是非受限区域内的细胞,可称为是第二细胞,如果第二细胞当前是白色的,并且有n1个及以下的邻元是白色的,当前细胞在下一时刻有p1的概率转为黑色。n1∈[0,6],n1越大或p1越大,从白色细胞转为黑色细胞的概率就越大。
如果第二细胞当前是黑色的,并且邻元是白色的个数大于n2个,当前细胞在下一时刻有p2的概率转为白色。n2∈[3,8],n2越小或p2越大,从黑色细胞转为白色细胞的概率就越大。
可选的,所述细胞状态转移规则的表达式如下:
ui,j(t)→yi,j(t);
ui,j(t)→yi,j(t)=ui,j(t),(i,j)∈R
式中,R表示所述受限区域,p表示[0,1]之间的任一随机概率。
本发明通过定义新的状态转移规则,一方面可以设置状态不能变化的区域,另一方面,通过概率的选择,增加了状态更新的随机性。
进一步的,在上述各实施例提供的封闭曲线生成方法的基础上,在所述获取目标区域的二值图像之后,还包括:在所述二值图像中随机生成至少一个随机图形,获取包含所述随机图形的的二值图像,所述随机图形填充为所述第一色值。
具体而言,为了增加生成的封闭轮廓曲线的随意性,在二值图像的基础上生成一些随机图形,这些随机图形被随机插入到目标区域内,并可将其颜色填充成与受限区域一致的颜色,也即填充为第一色值。经过插入处理后的图像即成为包含所述随机图形的的二值图像,如图6所示,为根据本发明提供的封闭曲线生成方法生成的随机图形的示意图,其中包括多个新插入的随机小方格。
应理解的是,其中的随机图形的形状可以是预先设定的,如小方格、圆形、三角形等,也可以是随机生成的任意形状,本发明对此不作具体限定。
于是相应的,在生成封闭轮廓曲线时,是在包含所述随机图形的的二值图像的基础上进行处理,具体以所述包含所述随机图形的的二值图像为细胞空间,以所述包含所述随机图形的的二值图像中的每个像素为一个细胞,利用所述改进的细胞自动机模型,生成所述封闭轮廓曲线。
本发明通过在二值图像中随机插入随机图形,能够增加生成的轮廓区域的随机性,更符合自然规律。
其中,根据上述各实施例提供的封闭曲线生成方法可选的,所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线,包括:通过数据类型转换,将所述二值图像的数据转换为并行计算库Cuda所兼容的Cuda库数据;基于所述Cuda库数据,利用所述改进的细胞自动机模型结合图形处理器GPU,进行细胞自动机的并行运算,生成所述封闭轮廓曲线。
可以理解为,本发明在利用改进的细胞自动机模型对二值图像进行处理时,通过结合图形处理器GPU,实现并行化的处理方式。具体而言,本发明在细胞级别进行并行运算,首先,将数据处理成并行计算库Cuda需要的形式;其次,将数据传入图形处理器GPU;然后,在GPU中进行循环迭代;计算结束,将结果返回给CPU(中央处理器),输出数据。
通过控制状态转移的迭代次数,可以实现不同的结果。例如,可以通过控制状态转移的迭代次数,来控制绿化区域的在整个区域中的占比等,实现不同的绿化效果。
例如,可以设置状态转移规则参数:n1=6,n2=3,p1=0.5,p2=0.5。采用上述改进的细胞自动机模型以及并行化的处理方式,生成整个目标区域内的封闭轮廓。GPU并行处理,对于8000*8000像素的初始图像,将原先数小时的计算时间缩短到13秒。
本发明通过将数据处理成并行计算库Cuda需要的形式,可以在图形处理器GPU进行高效的并行计算,大大提高了运算效率。
进一步的,在上述各实施例提供的封闭曲线生成方法的基础上,在所述生成所述目标区域内的封闭轮廓曲线之后,还包括:获取包含所述封闭轮廓曲线的目标图像,并采用计算机视觉库对所述目标图像进行平滑处理,获取平滑处理后的目标图像;提取所述平滑处理后的目标图像中的轮廓信息,并基于所述轮廓信息,生成目标封闭曲线。
可以理解为,本发明采用计算机视觉库opencv将上述处理完的结果,也即包含封闭轮廓曲线的图像进行平滑化处理,并且提取轮廓信息,该过程可以剔除小轮廓区域。之后基于提取的轮廓信息,可以形成最终的封闭曲线,可称为目标封闭曲线,如图7所示,为根据本发明提供的封闭曲线生成方法生成的目标封闭曲线的示意图,其中的封闭曲线相对封闭轮廓曲线线条更精细。
目标封闭曲线中第一级的封闭曲线轮廓内可进行植树,如果该曲线内嵌套其他封闭曲线,则嵌套曲线内部区域不能植树。如图7中的不规则细曲线为提取出来的植树区域。其中,第一级封闭曲线轮廓是指封闭曲线最外围的轮廓线,第一级封闭曲线内可以嵌套也可以不嵌套其他封闭曲线,若未嵌套其他封闭曲线,则该第一级封闭曲线内部均可植树,若嵌套有其他封闭曲线,则在该第一级封闭曲线和嵌套的内部封闭曲线之间的区域可以植树。
在上述处理的基础上,可以进一步将上述曲线数据存储到json文件,外部读取json文件,转为矢量数据,生成fbx数据。美术人员可以在3DS Max中导入fbx文件,通过插件在封闭曲线内随机生成树木。
本发明通过对封闭轮廓曲线进行平滑处理并提取轮廓信息,能够剔除小的轮廓区域,得到更精细的封闭曲线。
基于相同的发明构思,本发明根据上述各实施例提供一种封闭曲线生成装置,该装置用于在上述各实施例中实现封闭曲线生成。因此,在上述各实施例的封闭曲线生成方法中的描述和定义,可以用于本发明封闭曲线生成装置中各个执行模块的理解,具体可参考上述实施例,此处不在赘述。
根据本发明的一个实施例,封闭曲线生成装置的结构如图8所示,为本发明提供的封闭曲线生成装置的结构示意图,该装置可以用于实现上述各方法实施例中封闭曲线生成,该装置包括:获取模块801和计算模块802。
其中,获取模块801用于获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;计算模块802用于以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
具体而言,本发明是对包含受限区域的目标区域进行处理,因此获取模块801可先获取目标区域的二值图像。该二值图像中将受限区域和非受限区域分别用两种不同的颜色进行标记,为便于区分和理解,将受限区域显示的颜色值称为第一色值,将非受限区域显示的颜色值称为第二色值。
之后,计算模块802以二值图像作为一个细胞空间,以二值图像中的每个元素作为一个细胞,构造改进的细胞自动机模型,其中所有的细胞都只能是以下两种状态中任一:第一色值表示受限区域,第二色值表示非受限区域。
最后,计算模块802可将二值图像输入到改进的细胞自动机模型中,通过改进的细胞自动机模型的自动运算,在目标区域中生成具有一定轮廓宽度的封闭曲线,可称为是封闭轮廓曲线。
本发明提供的封闭曲线生成装置,通过采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。
进一步的,本发明的封闭曲线生成装置,还包括建模模块,用于:通过获取用户定义的模型输入量和模型输出量,确定所述全局规则;
基于用户针对所述二值图像中不同区域定义的像素色值变换原则,确定所述细胞状态转移规则;
基于所述全局规则和所述细胞状态转移规则,建立初始细胞自动机模型;
利用所述训练样本,逐步训练所述初始细胞自动机模型直至精度达到预设标准,获取所述改进的细胞自动机模型。
可选的,所述建模模块,用于根据所述模型输入量和所述模型输出量,确定所述全局规则包括:
给定:二值图像P,令所述第一色值为0,令所述第二色值为1;
输入:U(t)=P;
输出:Y(t)=>Y(∞)=二值图像P,按照所述细胞状态转移规则进行迭代输出。
可选的,所述建模模块,用于根据所述像素色值变换原则,确定所述细胞状态转移规则包括:
若第一细胞处于所述受限区域内,则所述第一细胞的状态保持不变;
若第二细胞处于所述非受限区域内,则,
若所述第二细胞的当前状态为1且所述第二细胞最多具有n1个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为0的概率为p1;
若所述第二细胞的当前状态为0且所述第二细胞最少具有n2个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为1的概率为p2;
其中,n1、n2为正整数,p1,p2∈[0,1]。
可选的,所述细胞状态转移规则的表达式如下:
ui,j(t)→yi,j(t);
ui,j(t)→yi,j(t)=ui,j(t),(i,j)∈R
式中,R表示所述受限区域。
可选的,所述获取模块,还用于:
在所述二值图像中随机生成至少一个随机图形,获取包含所述随机图形的二值图像,所述随机图形填充为所述第一色值;
相应的,所述计算模块,用于以所述包含所述随机图形的二值图像为细胞空间,以所述包含所述随机图形的二值图像中的每个像素为一个细胞,利用所述改进的细胞自动机模型,生成所述封闭轮廓曲线。
可选的,所述计算模块,还用于:
获取包含所述封闭轮廓曲线的目标图像,并采用计算机视觉库对所述目标图像进行平滑处理,获取平滑处理后的目标图像;
提取所述平滑处理后的目标图像中的轮廓信息,并基于所述轮廓信息,生成目标封闭曲线。
可选的,所述计算模块,具体用于:
通过数据类型转换,将所述二值图像的数据转换为并行计算库Cuda所兼容的Cuda库数据;
基于所述Cuda库数据,利用所述改进的细胞自动机模型结合图形处理器GPU,进行细胞自动机的并行运算,生成所述封闭轮廓曲线。
进一步的,所述封闭曲线生成装置还包括:
渲染模块,用于将所述目标区域从俯视角度渲染成第一图像,所述第一图像中所述受限区域与所述非受限区域的色差大于设定阈值;
相应的,所述获取模块,具体用于:
将所述第一图像进行灰度化处理,得到灰度图像,并对所述灰度图像进行二值化处理,获取所述二值图像。
可以理解的是,本发明中可以通过硬件处理器(hardware processor)来实现上述各实施例的装置中的各相关程序模块。并且,本发明的封闭曲线生成装置利用上述各程序模块,能够实现上述各方法实施例的封闭曲线生成流程,在用于实现上述各方法实施例中封闭曲线生成时,本发明的装置产生的有益效果与对应的上述各方法实施例相同,可以参考上述各方法实施例,此处不再赘述。
作为本发明的又一个方面,本实施例根据上述各实施例提供一种电子设备,该电子设备包括存储器、处理器及存储在该存储器上并可在该处理器上运行的程序或指令,该处理器执行该程序或指令时,实现如上述各实施例所述的封闭曲线生成方法的步骤。
进一步的,本发明的电子设备还可以包括通信接口和总线。参考图9,为本发明提供的电子设备的结构示意图,包括:至少一个存储器901、至少一个处理器902、通信接口903和总线904。
其中,存储器901、处理器902和通信接口903通过总线904完成相互间的通信,通信接口903用于该电子设备与图像生成或存储设备之间的信息传输;存储器901中存储有可在处理器902上运行的程序或指令,处理器902执行该程序或指令时,实现如上述各实施例所述的封闭曲线生成方法的步骤。
可以理解为,该电子设备中至少包含存储器901、处理器902、通信接口903和总线904,且存储器901、处理器902和通信接口903通过总线904形成相互间的通信连接,并可完成相互间的通信,如处理器902从存储器901中读取封闭曲线生成方法的程序指令等。另外,通信接口903还可以实现该电子设备与图像生成或存储设备之间的通信连接,并可完成相互间信息传输,如通过通信接口903实现二值图像的读取等。
电子设备运行时,处理器902调用存储器901中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线等。
上述的存储器901中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。或者,实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明还根据上述各实施例提供一种非暂态计算机可读存储介质,其上存储有程序或指令,该程序或指令被计算机执行时,实现如上述各实施例所述的封闭曲线生成方法的步骤,例如包括:获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线等。
作为本发明的再一个方面,本实施例根据上述各实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的封闭曲线生成方法,该方法包括:获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线。
本发明提供的电子设备、非暂态计算机可读存储介质和计算机程序产品,通过执行上述各实施例所述的封闭曲线生成方法的步骤,采用改进的细胞自动机算法,能够在包含受限区域的目标区域内自动快速的生成所需的封闭曲线,从而能够有效提高处理效率。
可以理解的是,以上所描述的装置、电子设备及存储介质的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,既可以位于一个地方,或者也可以分布到不同网络单元上。可以根据实际需要选择其中的部分或全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上实施方式的描述,本领域的技术人员可以清楚地了解,各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令,用以使得一台计算机设备(如个人计算机,服务器,或者网络设备等)执行上述各方法实施例或者方法实施例的某些部分所述的方法。
另外,本领域内的技术人员应当理解的是,在本发明的申请文件中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中,说明了大量具体细节。然而应当理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种封闭曲线生成方法,其特征在于,包括:
获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;
以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;
其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
2.根据权利要求1所述的封闭曲线生成方法,其特征在于,在所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线之前,还包括:
通过获取用户定义的模型输入量和模型输出量,确定所述全局规则;
基于用户针对所述二值图像中不同区域定义的像素色值变换原则,确定所述细胞状态转移规则;
基于所述全局规则和所述细胞状态转移规则,建立初始细胞自动机模型;
利用所述训练样本,逐步训练所述初始细胞自动机模型直至精度达到预设标准,获取所述改进的细胞自动机模型。
3.根据权利要求2所述的封闭曲线生成方法,其特征在于,
根据所述模型输入量和所述模型输出量,确定所述全局规则包括:
给定:二值图像P,令所述第一色值为0,令所述第二色值为1;
输入:U(t)=P;
输出:Y(t)=>Y(∞)=二值图像P,按照所述细胞状态转移规则进行迭代输出。
4.根据权利要求2或3所述的封闭曲线生成方法,其特征在于,根据所述像素色值变换原则,确定所述细胞状态转移规则包括:
若第一细胞处于所述受限区域内,则所述第一细胞的状态保持不变;
若第二细胞处于所述非受限区域内,则,
若所述第二细胞的当前状态为1且所述第二细胞最多具有n1个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为0的概率为p1;
若所述第二细胞的当前状态为0且所述第二细胞最少具有n2个状态为1的邻元细胞,则所述第二细胞的状态在下一刻变为1的概率为p2;
其中,n1、n2为正整数,p1,p2∈[0,1]。
5.根据权利要求1-3中任一所述的封闭曲线生成方法,其特征在于,在所述获取目标区域的二值图像之后,还包括:
在所述二值图像中随机生成至少一个随机图形,获取包含所述随机图形的二值图像,所述随机图形填充为所述第一色值;
相应的,以所述包含所述随机图形的二值图像为细胞空间,以所述包含所述随机图形的二值图像中的每个像素为一个细胞,利用所述改进的细胞自动机模型,生成所述封闭轮廓曲线。
6.根据权利要求1所述的封闭曲线生成方法,其特征在于,在所述生成所述目标区域内的封闭轮廓曲线之后,还包括:
获取包含所述封闭轮廓曲线的目标图像,并采用计算机视觉库对所述目标图像进行平滑处理,获取平滑处理后的目标图像;
提取所述平滑处理后的目标图像中的轮廓信息,并基于所述轮廓信息,生成目标封闭曲线。
7.根据权利要求1-3、6中任一所述的封闭曲线生成方法,其特征在于,所述利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线,包括:
通过数据类型转换,将所述二值图像的数据转换为并行计算库Cuda所兼容的Cuda库数据;
基于所述Cuda库数据,利用所述改进的细胞自动机模型结合图形处理器GPU,进行细胞自动机的并行运算,生成所述封闭轮廓曲线。
8.一种封闭曲线生成装置,其特征在于,包括:
获取模块,用于获取目标区域的二值图像,所述二值图像中受限区域标记为第一色值,非受限区域标记为第二色值;
计算模块,用于以所述二值图像为细胞空间,以所述二值图像中的每个像素为一个细胞,利用改进的细胞自动机模型,生成所述目标区域内的封闭轮廓曲线;
其中,所述改进的细胞自动机模型通过预定义所述改进的细胞自动机模型的全局规则和细胞状态转移规则并利用训练样本进行训练获取。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序或指令,其特征在于,所述处理器执行所述程序或指令时,实现如权利要求1至7中任一项所述的封闭曲线生成方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被计算机执行时,实现如权利要求1至7中任一项所述的封闭曲线生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460240.1A CN112634399B (zh) | 2020-12-11 | 2020-12-11 | 封闭曲线生成方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460240.1A CN112634399B (zh) | 2020-12-11 | 2020-12-11 | 封闭曲线生成方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634399A true CN112634399A (zh) | 2021-04-09 |
CN112634399B CN112634399B (zh) | 2023-02-17 |
Family
ID=75312606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011460240.1A Active CN112634399B (zh) | 2020-12-11 | 2020-12-11 | 封闭曲线生成方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634399B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503585A (zh) * | 2023-06-25 | 2023-07-28 | 广州视景医疗软件有限公司 | 一种基于细胞自动机的融合功能训练控制方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN109034208A (zh) * | 2018-07-03 | 2018-12-18 | 怀光智能科技(武汉)有限公司 | 一种高低分辨率组合的宫颈细胞病理切片分类方法 |
-
2020
- 2020-12-11 CN CN202011460240.1A patent/CN112634399B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106302A (zh) * | 2013-01-23 | 2013-05-15 | 南京大学 | 一种基于地理元胞自动机的行人流仿真方法 |
CN109034208A (zh) * | 2018-07-03 | 2018-12-18 | 怀光智能科技(武汉)有限公司 | 一种高低分辨率组合的宫颈细胞病理切片分类方法 |
Non-Patent Citations (3)
Title |
---|
惠林虎等: "CA与GIS系统结合在城市扩展中的研究", 《贵州师范大学学报(自然科学版)》 * |
武晓波等: "细胞自动机模型用于城市发展模拟的方法初探――以海口市为例", 《城市规划》 * |
邓春梅等: "元胞自动机曲线/曲面自组织拟合", 《机械与电子》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503585A (zh) * | 2023-06-25 | 2023-07-28 | 广州视景医疗软件有限公司 | 一种基于细胞自动机的融合功能训练控制方法和装置 |
CN116503585B (zh) * | 2023-06-25 | 2023-09-05 | 广州视景医疗软件有限公司 | 一种基于细胞自动机的融合功能训练控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112634399B (zh) | 2023-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161349B (zh) | 物体姿态估计方法、装置与设备 | |
Zamuda et al. | Vectorized procedural models for animated trees reconstruction using differential evolution | |
US8351654B2 (en) | Image processing using geodesic forests | |
CN109215123B (zh) | 基于cGAN的无限地形生成方法、系统、存储介质和终端 | |
US9449253B2 (en) | Learning painting styles for painterly rendering | |
CN110084817B (zh) | 基于深度学习的数字高程模型生产方法 | |
US10242264B1 (en) | System and method for training a machine-learning model to identify real-world elements | |
Zamuda et al. | Differential evolution for parameterized procedural woody plant models reconstruction | |
US10922852B2 (en) | Oil painting stroke simulation using neural network | |
CN109447897B (zh) | 一种真实场景图像合成方法及系统 | |
CN107633544A (zh) | 环境光遮蔽的处理方法及装置 | |
CN112634399B (zh) | 封闭曲线生成方法、装置、电子设备及可读存储介质 | |
CN114255160A (zh) | 数据处理方法、装置、设备及存储介质 | |
US8289326B2 (en) | Image analogy filters for terrain modeling | |
Uggla et al. | Towards synthesized training data for semantic segmentation of mobile laser scanning point clouds: Generating level crossings from real and synthetic point cloud samples | |
CN109598771A (zh) | 一种多地貌特征约束的地形合成方法 | |
CN108986210B (zh) | 三维场景重建的方法和设备 | |
WO2022125787A1 (en) | Determining 3d structure features from dsm data | |
CN115620137A (zh) | 绿化区域的生成方法与生成系统 | |
CN115116052A (zh) | 一种果园荔枝识别方法、装置、设备及存储介质 | |
CN114913305A (zh) | 模型处理方法、装置、设备、存储介质及计算机程序产品 | |
CN112700538A (zh) | Lod生成方法及系统 | |
Mangra et al. | TSCH Algorithm-Terrain Synthesis from Crude Heightmaps. | |
CN113538278B (zh) | 基于可变形卷积的深度图补全方法 | |
CN117593470B (zh) | 一种基于ai模型的街景重构方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |