工程圖紙矢量化發(fā)展現(xiàn)狀報告(編輯修改稿)
2025-03-02 04:59 本頁面
【文章內(nèi)容簡介】 動端到相應(yīng)的位置。 其中主要過程有生成尺寸樹，確定約束域，定義約束屬關(guān)系，圖形元素及尺寸標(biāo)注的精確位置校正。 22 相關(guān)工作 1[11] 來自印度的學(xué)者 Sekhar Mandal 采用了比較系統(tǒng)的圖像處理方法 來進(jìn)行工程圖紙的重建 ，具體流程如下： OCR類軟件將圖中所有字符探測出，進(jìn)行圖文分離工作。 Canny邊緣提取算法，將光柵圖中所有的輪廓表示出來，二值化處理之后就將整幅圖的骨架細(xì)化出來。 23 開啟 運算來提取特定方向的的圖形元素；采用 1 4的結(jié)構(gòu)元素來提取水平線段， 4 1的結(jié)構(gòu)元素來提取垂直線段 用原圖將提取出來的兩幅圖減掉，就可以得到其他任意方向上的線段和弧線。 （行程編碼）的方式將圖中的所有點陣圖表示出來，使用和弦特性將圖中所有的直線判斷出而且所有的弧線被當(dāng)成是多個小線段組成，記錄線段的拐點。 提取后的水平線段 提取后的垂直線段 24 。然后，根據(jù)兩線段之間相間距離的關(guān)系來判斷兩條直線是否屬于原來同一直線的兩條邊緣，設(shè)定閾值進(jìn)行判斷 如果兩條直線滿足閾值限定，就將兩條線段間的部分進(jìn)行填充，從而進(jìn)行矢量圖的重建。 重構(gòu)圖形的閾值化判定過程以及重構(gòu)線寬信息 25 相關(guān)工作 [7][8][9] 識別領(lǐng)域比較有代表性的工作就是香港城市大學(xué) ——劉文印使用基于知識表示的識別方法。 首先，在預(yù)處理階段，使用開源軟件 Res2Vec進(jìn)行矢量化，然后使用閾值去噪的方法清除被判斷為噪聲的小短線。 其次，定義了四種拓?fù)潢P(guān)系，分別為直線的相交、平行、垂直（不相交）以及弧線與直線；分別都有精確量化了的參數(shù)來表示。 26 ? 再次，提出了一種屬性樹的知識表示方法；同時，提出了 KAA(Knowledge Acquisition Algorithm)——用于知識提取與表示和 KGRA(Knowledge Graph Recognition Algorithm)用于知識推理與識別。 KAA的基本流程如下： 27 KAA算法描述： 輸入：組成圖形對象的向量集 (用戶提供的示例 )。 輸出：圖形化知識（一顆儲存著每兩個結(jié)點間的幾何約束關(guān)系和訪問順序的樹） 流程： G(V,E)。 G是連通的，轉(zhuǎn)到第 6步； G分割成 G1， G2， G3 …… Gn顆連通的子樹； ； G，同時轉(zhuǎn)到第 2步，否則停止（ F）。 ； G的基礎(chǔ)上構(gòu)造生成樹 ST，用廣度優(yōu)先的原則遍歷 ST，獲取約束順序 K(c1,c2……c n)； (S)，同時將 G和 K 作為這種對象的知識儲存到知識庫中。 28 由于在識別過程中不可能將向量和已有的知識表示 100%的匹配，所以定義了關(guān)于直線和直線，弧線和弧線以及由直線構(gòu)成的類弧線之間的相似因子的定義。 KGRA算法描述如下： 輸入： SV：向量集（構(gòu)成待識別對象的向量集） KD：知識庫 TL：閾值集，其中包含了長度和數(shù)量的容忍范圍 變量： CT：識別過程中臨時構(gòu)造的的樹 SM：標(biāo)識集（用來標(biāo)識識別過程中被使用過的向量） 輸出： RR：識別結(jié)果 ——用 SV來表示的圖形對象的類型。 29 算法過程： KD當(dāng)中選擇知識樹 K，如果所有的知識都已經(jīng)試驗過就停止（ F） CT，初始化 SM SV中選擇下一個向量 V，要求這個 V實在沒有在 SM中被標(biāo)注的。加入 V到 CT中作為根；同時，將 V在 SM中標(biāo)注，表示 V已經(jīng)在識別過程中使用過了。 K中選擇下一條邊 E。如果所有的邊已經(jīng)被訪問過了，而且冗余向量的個數(shù)沒有超過容忍限度，就停止（ S），同時將 RR標(biāo)示為由當(dāng)前 K來指示的對象類型 ，
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1