基于无拓扑矢量曲线的快速压缩算法

矢量图型数据压缩主要是对存储图形要素的数据进行多余点的剔除,保存特征点。矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义。分析了GIS中矢量数据的传统压缩算法——道格拉斯-普克(Douglas-Peuck-er)数据压缩算法,传统的压缩算法编程复杂,运算速度慢。提出了一种较为简单的特征点提取方法,该算法通过计算相邻矢量数据的斜率,以斜率之差为约束条件,通过在MATLAB7.0上的仿真实验,该算法在提取矢量曲线特征点的过程中比Doug-las-Peucker算法更为简单,对斜率不存在地线段也能很好地提取特征点,对复杂曲线的特征点提取也非常准确。     

矢量曲线特征点提取方法的改进

矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义。分析了GIS中矢量数据的传统压缩算法—道格拉斯-普克（Douglas-Peucker）数据压缩算法，传统的压缩算法编程复杂，运算速度慢。本文提出了一种较为简单的特征点提取方法，该算法通过计算相邻矢量数据的斜率，以斜率之差为约束条件，通过在MATLAB7.0上的仿真实验，该算法在提取矢量曲线特征点的过程中比Douglas-Peucker算法更为简单，对复杂曲线的特征点提取也非常准确。     

矢量曲线特征点提取方法的改进

矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义.分析了GIS中矢量数据的传统压缩算法-道格拉斯-普克(Douglas-Peucker)数据压缩算法,传统的压缩算法编程复杂,运算速度慢.提出了一种较为简单的特征点提取方法,该算法通过计算相邻矢量数据的斜率,以斜率之差为约束条件,通过在MATLAB7....     

基于改进的快速鲁棒特征算法的人脸检测研究

针对快速鲁棒特征(SURF)算法冗余信息多且计算速度慢的缺点,该文对SURF算法进行改进,用于人脸检测。计算特征点邻域的图像熵,并使用非极大值抑制提取图像熵高的特征点,通过减少区域描述减少冗余信息。使用扇形窗口遍历各特征点邻域,通过计算窗口内哈尔小波响应构建该点的特征描述子,从而加快计算速度。使用费舍尔矢量核将各特征描述子映射到高维空间进行人脸检测。仿真实验表明,在应用于人脸检测数据集和基准(FDDB)数据集时,与SURF算法相比,该文算法检测率提高了7.9%,特征计算时间减少了53.1%,特征点数减少了59.7%。     

基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法

由于不同来源或不同时间,导致了同一地物在存储方式或属性等方面存在着很多差异,这给后期的数据处理和使用带来了诸多不便,因此矢量空间数据匹配已经成为了关键性问题。提出了一种基于栅格化的线状矢量数据匹配方法,其主要思想是对线状矢量数据栅格化,利用SVM(Support Vector Machine, SVM)算法提取出所要研究的数据,然后利用Harris算子提取特征点,用SIFT(Scale-invariant feature transform,SIFT)算法计算特征向量并对其进行匹配,最后把匹配结果转换为矢量数据。该算法不受平移、旋转、缩放、明亮度变化等的影响,弥补了矢量匹配过程中因数据旋转等问题而无法匹配的不足,将矢量数据栅格化处理,使其数据结构更简单,操作容易,更易于算法的实现。提出了一种基于栅格化的线状矢量数据匹配算法,实现了对道路的匹配。     

基于矢量信息的多点地质统计学算法

在Snesim算法的基础上,提出基于地质矢量信息的多点地质统计学算法(VMPS)。以冲积扇为例,研究冲积扇地质矢量坐标系统,并在训练图像中融入地质矢量信息,形成基于矢量信息的训练图像。同时,对训练图像扫描机制进行改进,利用矢量信息统计数据事件和区域相比例,建立基于地质矢量信息的搜索树。在模拟过程中根据当前模拟区块的矢量信息,提取与之关系最密切的数据事件计算重复数,得到适应当前模拟区域的条件概率分布,从而满足局部平稳的条件,再现不同沉积相带不同地质特征。通过概念模型和实际储层模拟检验表明:VMPS的模拟效果明显优于Snesim,能适应"非平稳性"突出条件下的地质建模。     

一种应用于电子地图道路特征点提取的新方法

电子地图中的道路信息数据往往数据量比较大,在进行地图匹配时,不利于对电子地图的快速搜索,因此需要对道路数据进行压缩,提取道路特征点。为此在对现有的道路特征点提取方法进行分析的基础上,提出了一种基于无限圆逼近曲线的自适应道路特征点提取方法。该算法依据道路的曲率变化,按照自适应步长对道路数据进行压缩。仿真实验结果表明,该算法计算量小、逼真度高,有效地提高了电子地图道路数据压缩效率。     

基于零水印与脆弱水印的矢量地理数据多重水印算法

为了兼顾矢量地理数据的版权保护与内容认证,同时保证数据的精度,提出一种基于零水印与脆弱水印的无损嵌入的多重水印算法。该算法以矢量图元节点数据为基础,根据需求对数据进行不同程度的点约束数据分块,针对数据版权保护,利用道格拉斯算法和Delaunay三角网提取特征点和特征信息,结合Arnold置乱算法,构造大容量的零水印;针对数据内容认证,通过空间排序与零比特动态扩展,设计一种无损嵌入的用于精确认证的脆弱水印。实验结果表明,本研究提出的零水印算法可对常见的地图攻击与组合攻击具有较强鲁棒性;脆弱水印算法能对数据进行有效认证,并精确标记出被篡改的要素。     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

机载LiDAR点云数据平面特征提取

为从大量的Li DAR点云中分离出建筑物点类,获得平面特征,借鉴传统的Hough变换思想,提出一种提取机载Li DAR点云数据平面特征的方法,综合采用三维空间中Hough变换以及区域增长算法从点云数据中提取特征平面信息.研究结果表明:通过该方法可有效的提取出点云数据中的平面特征,建筑物的平面特征被检测出来之后,有助于完成建筑物的自动建模.     

基于改进的三维Douglas-Peucker算法的多波束测深数据抽稀方法

 为压缩海量多波束测深数据,提出了一种利用三维D-P 算法进行多波束测深数据抽稀的方法。首先对三维D-P 算法中首基面的确定进行改进,使得算法运行效率提高数十倍,然后利用该算法对中国北部某海域的多波束测深数据进行数据抽稀的实验和验证,取得了较好的实验效果,表明该方法能够较好地抽取海底地形的特征点信息,适用于多波束测深数据的抽稀。该方法符合多波束测深系统的面测量模式,实现了三维空间下的具有全局性特点的数据抽稀,其渐进式数据选取方式,可以为建立海底地貌LOD（细节层次模型）提供不同精度要求的抽稀数据,具有良好的应用前景。     

简述WebGIS中的矢量数据压缩方法

为了提高WebGIS的传输速度,除了对WebGIS的数据结构和模式进行改进外,在电子地图建库时对空间数据进行压缩也是同样重要的。详细介绍了矢量数据压缩的Douglas-Peucker法和基于小波变换的方法,为建立电子地图数据库矢量数据压缩提供了参考。     

基于World Wind矢量数据压缩的研究与实现

矢量数据的压缩对于数据网络传输以及提高整个可视化系统的效率来说是一项很莺要的工作.本文对现有曲线矢量数据压缩算法进行比较,着重分析了曲线矢量数据压缩的Douglas-Peucker算法及相关理论,给出了该算法的递归实现,并在World Wind环境中实现了Shape格式文件的快速显示.实验结果证明,经过压缩后的矢量数据兼顾存储空间和显示精度,提高了World Wind应用效率.     

基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

序列图像编码的一种神经网络方法

根据Kohonen自组织特征映射(SOFM)算法的特点,提出了一种分阶段SOFM的边缘保持码书的设计算法.将帧间块匹配、帧内块匹配与多级矢量量化有机地结合,给出了序列图像编码的快速实现算法.计算机模拟实验结果表明,在相同块大小的前提下,本算法各方面性能较优,主观质量好,无误差累积效应,快速简单,实用性强.     

LVQ神经网络的红外光谱火灾早期预警算法

对前期大量试验采集的火灾气体数据进行特征提取,找出能够代表火灾整体特征的过程特征信息.通过体积分数曲线拟合分析,提取出体积分数、速度和加速度估值等火灾特征信息参量,建立适合于火灾早期探测的学习向量量化(LVQ)神经网络算法.通过对比分析证明,该算法比传统火灾探测器报警时间提前3～21 min,且对于真假火灾可进行准确识...     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。