Resumen

Con la creciente expansión de los campos de aplicación de la realidad virtual y la complejidad del contenido de las aplicaciones, la demanda de renderizado en tiempo real de gráficos realistas ha aumentado considerablemente. Esta investigación discute principalmente el método de mosaico inteligente del panorama del patrimonio cultural de Lingnan en realidad virtual basado en aprendizaje automático automático. Con el fin de compensar de manera efectiva el impacto de la insuficiencia del proceso de recolección en la calidad de la imagen panorámica final del patrimonio cultural de Lingnan, es necesario minimizar la rotación irregular de la cámara y recolectar imágenes de acuerdo con el área de superposición entre imágenes adyacentes de tamaño apropiado. Para lograr que las imágenes panorámicas del patrimonio cultural de Lingnan tengan mejores efectos visuales, es necesario preprocesar las imágenes antes del registro y fusión de imágenes. El preprocesamiento de imágenes incluye principalmente el filtrado de ruido de la imagen y la transformación de proyección de la imagen. En este estudio, se utiliza la proyección cilíndrica para construir el panorama del patrimonio cultural de Lingnan. Para cada imagen de entrenamiento del patrimonio cultural de Lingnan, primero realizamos la segmentación de la imagen para obtener múltiples regiones y extraer las características visuales de cada región. Utilizamos modelos automáticos de aprendizaje automático para entrenar el conjunto de características visuales y utilizamos el método de bagging para generar diferentes subconjuntos de entrenamiento. Para generar cada clasificador de componentes, determinamos el área de superposición de las dos imágenes de acuerdo con los puntos de características SIFT coincidentes y determinamos la mejor línea de unión durante la implementación de la unión. En este estudio, el número de píxeles en la primera fila del área de superposición se utiliza para determinar la columna de la línea de unión candidata, y la mejor posición de la línea de unión debe determinarse teniendo en cuenta la menor diferencia de color en el área de unión y la textura más similar en ambos lados. Este artículo utiliza un enfoque basado en Java Applet para realizar el recorrido virtual de imágenes panorámicas del patrimonio cultural de Lingnan en el navegador IE. La precisión más alta de SIFT es del 82.22%, y el tiempo de reconocimiento más bajo es de 0.01s. Esta investigación promoverá el desarrollo del patrimonio cultural de Lingnan.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Expansión; Realidad virtual; Imágenes panorámicas; Aprendizaje automático; Preprocesamiento de imágenes; SIFT
• Keywords:Expansion; Virtual reality; Panoramic images; Machine learning; Image preprocessing; SIFT