基于点云模型的低质汉字骨架提取算法

低质汉字的骨架提取是骨架提取中的一个困难问题.在多种降质因素的影响下,传统骨架提取方法很难提取出"好"的骨架,本文提出利用点云模型提取低质汉字的骨架.点云模型不仅能够充分利用现有汉字的底层信息,也能够将低质汉字骨架提取转化成一个两步的优化问题.采用增量广义均值聚类方法提取出低质汉字的初始骨架;然后基于高层马可夫随机模型连接初始骨架.实验结果表明,本方法在多种降质因素影响的情况下也能够获得"好"的汉字骨架.     

鞋楦定制CAD系统中NURBS特征曲线的弧长约束变形

为实现无鞋楦数据库的数字化量足制鞋,提出了基于足楦NURBS特征曲线变形的个性化鞋楦定制CAD系统,通过足楦特征曲线在弧长等特征信息约束下变形成新楦特征曲线进行设计定制。建立足楦舒适度匹配规则,根据变形方式、次序及约束情况不同,将特征曲线分为4种类型。给出4种曲线的约束变形技术路线,其中带弧长约束的II型曲线可采用正向、逆向和双向3种变形路线。双向约束变形中,采用改进的顶点替换算法和变参数4点细分算法,引入弧长损失因子和关节链模型,在母版鞋楦基础上对曲线依次进行采样离散、级放、分段、简化、优化变形、插值细分和NURBS拟合,生成定制的鞋楦特征曲线。以跖趾围轮廓线为例进行了双向约束变形试验,弧长改变量为1.0mm。该系统可在480s内给出男款鞋楦个性化量足定制结果。结果表明:该CAD系统精度较高,可实现无鞋楦数据库条件下的量足制鞋,且定制鞋楦的二次设计利用率显著提高。     

基于Delaunay三角网与Voronoi图联合提取等高线骨架的地形重建算法研究

提出一种基于Delaunay三角网与Voronoi图联合提取等高线特征骨架的地形重建算法,该算法利用各Delaunay三角形与其对偶Voronoi多边形之间的关系,能一步高效的提取骨架,再通过分析骨架点与主要地貌特征的对应关系,对骨架点进行插值,最后由提取的骨架及原有等高线共同建立新的TIN,完成整个数字高程模型(DEM)的生成。实验结果表明,该算法对修正TIN 中不真实的平坦区域有良好的效果,使得生成的TIN 能更准确地描述地形特征。     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

骨架关节点跟踪的人体行为识别方法

基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而 Kinect 传感器能通过捕获深度图像来重建完整的人体骨架关节点三维模型,提高了骨架关节点模型的表示精度。本文通过 Kinect 的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的三维坐标表示,利用 k 均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明：本方法能取得94％的识别率。     

基于机械零件三维模型骨架相似性度量算法

提出了一种基于机械零件模型骨架的检索方法.将零件库中提取的机械零件进行预处理去倒角、圆角以及圆孔等,保证处理之后得到无中空结构的零件模型;运用电场法对预处理后的零件模型骨架提取,得到完整的骨架模型;利用骨架树匹配计算出零件模型相似度.试验证明该方法能够快速实现零件模型骨架检索.     

鞋楦数字模型的特征识别与自动提取

文章针对鞋楦特征参数化建模的需要,研究鞋楦数据模型的有关几何特征的自动提取;对于不同几何特征建立相应的自动提取的处理方法和算法,采用逐步小角度坐标旋转变换,实现鞋楦前跷高、后跟高、中轴线的自动提取;采用截平面法,实现三围线的自动提取;综合应用Matlab、C语言和Pro/E,实现鞋楦数字模型的特征识别与提取的自动化;最...     

改进的推广多边形算法在指纹识别中的应用

在分析主曲线、推广多边形算法和指纹数据的特点后，尝试使用主曲线来描述指纹特征，对原推广多边形算法作了较大改进，使其更适用于指纹骨架的提取，最后实现了基于骨架的指纹特征提取．实验结果表明，改进的推广多边形算法能够在短时间内有效地提取出指纹线的骨架，而在骨架上提取特征点也较其他一些方法有着更高的准确率，具有一定的应用价值．     

基于足底压力分布的鞋楦参数化设计

文章提出一种考虑人体足底压力分布,并采用鞋楦参数化建模技术的鞋楦设计方法,建立并研究了鞋楦特征位置尺寸之间以及人体足底压力分布与鞋楦底部曲面之间的参数关系;利用三维CAD软件建立了鞋楦参数化模型,分别实现了由多个主参数对鞋楦体的整体控制以及足底压力参数对鞋楦底面的控制.     

定制鞋楦系统加工轨迹的自动获取

为满足制鞋业中个性化制鞋的需求,提出了个性化鞋楦的定制过程.首先用三维扫描方法获得脚形图像,预处理和修改后得到符合设计的鞋楦数据云,然后通过改进的三次样条插值和最小二乘均修的方法,对设计完成的鞋楦点云数据进行光滑处理,最后用细分求法矢与解三角形方法获取鞋楦三维模型的刀具加工中心轨迹,完成鞋楦加工轨迹的自动获取.该方法可将基于三维扫描的定制楦型数据快速自动转换为加工刀具轨迹曲线,并在制楦允许误差范围内保证了加工曲线的光顺性.     

鞋楦表面测量中数据平滑处理与造型重构方法

用离散法造型技术描述鞋楦的三维造型;用最小二乘拟合方法对测量得到的数据进行平滑处理,用滚动测量头对鞋楦外轮廓面进行螺线式扫描测量,并以此数据为基础通过求解法线的方法消除滚动测量头半径对测量数据的影响,从而获得鞋楦表面与滚动测量头的实际接触点,实现三维造型重构。算例效果证明了该算法的有效性和可行性。     

利用神经网络重构自由曲线的研究

自由曲线重构问题是CAD／CAM工程中的首要问题,为了获得工件的数学模型,需要通过测量的型值点构造曲线。用神经网络的方法对自由曲线进行重构,并通过与三次B样条插值法构建的曲线相比较,以分析由神经网络法拟合复杂曲线的可行性。     

插值算法在高光谱数据中的应用

针对高光谱遥感数据具有波段多,各光谱通道间连续,含数据信息量大,像元光谱曲线交叉并不甚多等特点,就分析光谱曲线特点之后,选择性的运用波段插值方法进行光谱重建,利用MAT-LAB平台对多种插值算法进行了拟合实现。通过对比实验插值结果与原始数据,以及各插值算法插值精度,均方差和峰值信噪比等图像参数相互比较,显示用二次拟合的方法能够得到较好的拟合效果。     

胶片非线性特性对电子断层摄影术成像质量的影响

为了分析胶片的非线性特性对电子断层摄影术成像质量的影响,以Kodak4463(SO-163)型电子显微镜胶片为例,按照其成像光密度值与电子曝光量对数值之间的关系曲线(D-lgE曲线)对模型样品的线性投影像实施变换,并采用计算机仿真方法进行了三维重构.计算结果表明,随着最大曝光范围对应的D-lgE曲线片段的非线性度的增加,三维重构图像质量下降,尤其当最大曝光范围向D-lgE曲线的饱和区扩展时,三维重构的图像出现了严重失真的现象(重构图像与模型样品图像之间的相关系数从线性投影像对应的0.85减小到0.6以下).分析结果表明,调整样品的电子曝光量来改变胶片最大曝光范围在D-lgE曲线上的位置,可以降低胶片非线性特性对三维重构图像质量的影响,该研究结果对用胶片为记录媒体的电镜三维重构具有指导意义.     

基于因子分析的母线负荷异常数据辨识方法

针对现有母线负荷数据异常辨识方法适应性差、辨识精度不高的问题,基于母线负荷数据现状剖析异常数据的基本特征,分析因子分析的理论及其应用于母线负荷异常数据辨识的原理,提出了基于因子分析的母线负荷异常数据辨识方法.该方法引入因子分析将母线负荷曲线分解为表征曲线正常时序变化规律的基本分量和表征曲线数据异常或随机波动特征的随机分量;同时基于负荷曲线随机分量给出了异常数据辨识的3σ判定准则.最后,以重庆某供电公司算例验证了所提方法较现有方法更具合理性、有效性.     

多孔材料热导率通用计算方法

利用蒙特卡洛法对多孔材料的内部结构进行了重构,并验证了重构模型具有自相似性和标度不变性的分形特性.对重构的多孔材料模型进行网格划分,利用二值化原理识别网格中的固体基质和流体孔隙,构筑材料内部真实传热过程的串并联混合热阻阵列图,建立适用于各种均质和非均质多孔材料热导率的计算方法——二值化阵列法.基于该方法,对闭孔泡沫铝和硅酸铝耐火纤维材料的热导率进行了计算,并与文献中的实验测量值进行了比较,具有较好的一致性,验证了本方法的正确性和普适性.     

多点地质统计学在三维岩心孔隙分布建模中的应用

介绍多点地质统计学及其用于三维岩心孔隙结构建模的原理和方法。基于多点地质统计方法,以均质性较好的Fontaineblean砂岩的二维薄片为基础,重构三维孔隙结构模型,并且应用局部孔隙度理论和渗流概率函数进行准确性评价。结果表明:由此获取的孔隙结构模型与真实三维岩心孔隙分布十分相近,且具有相似的均质性和孔隙连通性;重构的三维孔隙结构模型不仅可以用来表征真实岩心的孔隙连通性和均质性,而且也可以作为其他物理特性模拟的基础。     

城区三维景观重建中的建筑物提取

在采用包含建筑物高程信息的DEM数据进行地形建模时，依次连结相邻网格点为多边形的绘制方式会带来建筑物墙面倾斜，建筑物与地形混淆的问题．针对这一问题，利用建筑物顶点与地形顶点之间具有较大高度差的特点，结合建筑物的几何特征，提出了一种在DEM数据中提取建筑物的算法．实验结果证明利用该算法重建出的城区三维景观具有更为逼真的显示效果．     

三种油田产量预测联解模型的对比

数学模型和甲型水驱特征曲线是油藏工程中两种重要的预测方法。为有效克服两种方法的局限性,近年来不少学者提出了数学模型与甲型水驱特征曲线联解模型。在前人研究的基础上,选取较具代表性的三种联解模型,从模型的特点及适用范围进行分析和对比,实例验证表明Hubbert模型与甲型水驱特征曲线联解法对油田整个生产阶段预测效果最理想,Rayleigh模型与甲型水驱特征曲线联解法适用于油田生产递减阶段,而广义翁氏模型与甲型水驱特征曲线联解法预测含水率偏低。     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法,在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构,以此增加曲线重构的信息量,为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用,证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。