-
公开(公告)号：CN102034252B
公开(公告)日：2012-07-04
申请号：CN201010611557.0
申请日：2010-12-29
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 手绘图案的合成方法，涉及一种图案合成技术。提供一种根据人类视觉机制特征的手绘图案的合成方法。使用数位板绘制图案样本；输入合成图案的尺寸；对图案样本中的图案元素聚类，将图案样本中的每个图案元素归入一个元素类别；分析图案元素分布特征；放置种子点生成种子图；构造一个映射关系，将每个种子点映射到一个元素类别；将每个种子点置换为一个图案元素得合成图案。可获得在视觉感受上与图案样本相近的大范围的合成图案，克服了手工绘制图案存在的缺点，与全手工绘制的方法相比，可大大提高绘制效率。合成图案在结构上不存在周期性重复。与传统的四方连续方法相比，合成的效果更生动。相比纹理合成方法，合成图案更符合人类视觉认知规律。
-
公开(公告)号：CN116092165A
公开(公告)日：2023-05-09
申请号：CN202310143635.6
申请日：2023-02-21
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/084 , A61B5/369
Abstract: 基于脑电信号的表情神经解码方法，涉及神经解码领域和计算机视觉领域。包括步骤：1)从人脑神经数据中提取人脸表情信息，建立符合实际的人脸生成模型；2)利用DEAP数据集，锁定人脑神经数据的对应脑区与神经波段；3)通过LSTM模型连接脑电与人脸数据，并利用CNN模型量化出被试者的情感参数作为LSTM的初始化参数；4)利用StyleGan网络将情感参数在原始人脸的基础上进行编辑，获得非常接近原始人脸表情的生成图片。可以生成以假乱真的真实人脸，在可视化层面上跨上一步台阶。实现从神经信号直接解码表情特征的创新一步。给出从预处理到应用的全套过程，较好地利用脑科学与计算机科学交叉的优势，优化数据端的信噪比。
-
公开(公告)号：CN114998482A
公开(公告)日：2022-09-02
申请号：CN202210661212.9
申请日：2022-06-13
Applicant: 厦门大学
Abstract: 文字艺术图案智能生成方法，涉及计算机图形学和艺术人文领域。包括以下步骤：1)任意给定一幅图像及与内容相关的文本；2)根据边缘检测算法检测边缘，将输入图像分解为几个区域，并用平滑的向量场对每个区域进行近似；3)通过对输入文本的分析，提取一些加权关键词作为图形元素，并训练一个视觉注意力模型；4)基于能量的优化框架提取关键词，结合视觉注意原则和美学规则将提取的关键词排列到图像分解的几个区域中，合成文字艺术图案；5)使用启发式方法对文本布局进一步优化。简化传统方法，生成的文字艺术图案具有更加丰富的内涵。可应用于广告、平面设计等专业领域，辅助设计师创作，也可运用于日常生活中，作为贺卡、明信片等。
-
公开(公告)号：CN105468574A
公开(公告)日：2016-04-06
申请号：CN201510799053.9
申请日：2015-11-19
Applicant: 厦门大学
CPC classification number: G06F17/24 , G06F17/2785
Abstract: 装饰字体的合成方法，涉及字体合成方法。1)用户通过数位板交互，输入文字分割意图；2)对标记信息进行分析处理，得到相应的笔画集合B；3)从网络获取图片以及它的伴随文本；4)将收集的图片作为图片库DI；5)抽取图片的伴随文本和用户输入的文字作为语料库DT；6)手动筛选丢弃一些不合适的前景图，整合得到最终的图片库D；7)采用语义相似性度量算法筛选合适的图片，将筛选出的图片与笔画进行形状匹配，生成初始的装饰字体；8)对初始的装饰字体进行结构优化，得到优化后的装饰字体。可生成漂亮的、可读的装饰字体。
-
公开(公告)号：CN102289838B
公开(公告)日：2014-07-02
申请号：CN201110247328.X
申请日：2011-08-26
Applicant: 厦门大学
IPC: G06T13/80
Abstract: 本发明涉及一种由书法汉字图像生成其动态书写动画的方法，包括以下步骤，A)，建立至少一个基于统计的标准笔触模型；B)，输入书法汉字图像并提取该汉字图像的笔画轮廓；C)，用户利用数位板在上述汉字图像的笔画轮廓内交互输入该书法汉字的笔锋运动轨迹；D)，根据用户选择的上述标准笔触模型计算用户输入的笔锋运动轨迹上的每个轨迹点形成的笔触；E)，依次填充上述每个轨迹点形成的笔触并保存为动画的每一帧，并生成视频文件。采用上述步骤，将静态的书法汉字图像以一种动态的书写动画来展现书法的书写过程，可以非常清晰地展现书法的书写过程，特别适用于书法教学及影视传媒的汉字书写动画制作。
-
Patent Agency Ranking
公开(公告)号：CN103246636A
公开(公告)日：2013-08-14
申请号：CN201310139606.9
申请日：2013-04-19
Applicant: 厦门大学
IPC: G06F17/21
Abstract: 本发明涉及一种汉字字形视觉重心的确定方法，步骤如下：1）获取常用汉字样本图像；2）确认汉字样本图像的笔画连通区域；3）计算得出笔画连通区域质心；4）利用笔画连通区域质心和整体汉字视觉重心之间的关系模型，计算得出汉字字形视觉重心。本发明所述的方法先确定汉字图像的笔画连通区域，对笔画连通区域进行质心的计算，然后通过笔画连通区域质心和整体汉字视觉重心之间的关系模型得出重心。所述的关系模型采用与主观视觉重心拟合度较高的多元线性回归模型，进而得出的重心更加符合主观视觉对重心的要求，克服现有技术得出的重心具有的生硬感，得到更舒适的阅读体验。
-
公开(公告)号：CN102306308A
公开(公告)日：2012-01-04
申请号：CN201110248463.6
申请日：2011-08-26
Applicant: 厦门大学
IPC: G06K9/68
Abstract: 本发明公开了一种基于纹理学习的电子毛笔建模方法，包括以下步骤，用户在数字手写板上输入书写笔画并以多个离散点的数据结构存储；将上述离散点作为书写笔画的骨架点并根据每一骨架点的书写力度在骨架点的两侧产生两组相对应的边缘轮廓点；采用样条曲线拟合上述产生的两组轮廓点并形成笔画的线条轮廓；使用神经网络和模糊逻辑的方法对真实的毛笔书法纹理进行学习，并获得书法纹理的灰度值序列；根据上述获得的灰度值序列向笔画的轮廓内侧填充并最终获得毛笔书法作品。采用上述方案，神经网络和模糊逻辑的方法获取真实的毛笔书写纹理，使最终获得的毛笔笔画毕真形象，并且计算机处理的速度快。
-
公开(公告)号：CN116019461A
公开(公告)日：2023-04-28
申请号：CN202310184470.7
申请日：2023-03-01
Applicant: 厦门大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , A61B3/113 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2135 , G06F18/241 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 结合眼动和脑电图的癫痫类型检测方法，涉及癫痫检测技术领域。通过对眼动和脑电图的分析，辅助医生判断癫痫类型。首先对提取到的癫痫发作时的脑电信号和眼动三维坐标信息进行预处理并分为固定长度的时间段，然后分别使用时空域卷积网络和眼动编码器对脑电和眼动序列分别进行特征提取，使用跨模态注意力网络将两种模态的特征融合为一个特征，最后将融合特征输入到分类器中，所得分类概率最大的类别为癫痫类型。融合癫痫发作时的眼动特征和脑电信号，兼顾发作时的行为信息和神经特征，分类结果更为准确，在辅助癫痫类型临床诊断和鉴别癫痫类型方面有重要意义。
-
公开(公告)号：CN119488297A
公开(公告)日：2025-02-21
申请号：CN202411683709.6
申请日：2024-11-22
Applicant: 厦门大学
IPC: A61B5/372 , A61B5/16 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06F123/02
Abstract: 一种基于立体脑电图信号的情感解码方法，涉及神经科学与人工智能。对原始脑电图数据进行数据预处理，通过频段过滤和滤波降噪去除无关成分；将连续SEEG数据划分为离散时间窗，以时间窗形式构建二维数据图，应用重叠时间窗实现数据增强；通过时间卷积提取各电极通道的时间特征，提升数据维度表征；结合通道和空间注意力模块自适应调整特征图中各通道与位置的重要性，使模型更加关注关键区域；利用构建的数据集对情感解码网络进行全监督训练，学习时间窗数据与情感的关系；使用训练好的模型对测试数据进行情感预测，计算各项解码指标。提升情感解码的准确率和速度，在情感识别、脑机接口等领域具有广泛应用前景。
-
公开(公告)号：CN119296162A
公开(公告)日：2025-01-10
申请号：CN202411683215.8
申请日：2024-11-22
Applicant: 厦门大学
Abstract: 一种基于个体特异性外观的注视点估计方法，涉及计算机视觉。包括：1）利用脸部和眼部边界框的所有顶点提取人脸和眼部位置信息特征；2）将脸部图像作为输入，计算包含人脸全局信息的脸部特征；3）将眼部图像作为输入，对左右眼图像分别进行单眼特征提取；4)将步骤3）提取的左右眼单眼特征进行整合，进行适应性特征融合得到眼部特征；5）将步骤2）计算得到的脸部特征、步骤4）得到的眼部特征和步骤1）提取的位置特征进行整合，估计注视点坐标。该方法解决现有技术在个体特异性外观信息提取、单眼特征提取方面的不足，同时将模型参数量保持在较低水平以减轻设备负载。在心理学研究、医学诊断、人机交互等领域具备广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.022 seconds)
