植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法.将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官.将所提出的方法用于分割烟草、玉米的三维点云,其...     

基于无人机倾斜摄影点云滤波的新疆某地区精确DEM构建方法

无人机倾斜摄影可以快速、低成本、大范围获取高精度的影像数据,利用新疆某地区的无人机倾斜摄影数据,生成格网间距为1 m的DEM.研究结果表明:基于区域分割的渐进三角网加密滤波构建的精确DEM能够较为精细地表达地形信息,特别在高植被覆盖区域,能够提取出高精度的真实地表DEM.     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak, CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering, DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%...     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak,CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering,DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%,在计算效率和精度方面均优于其他两种方法。     

一种基于TIN的LiDAR点云滤波算法

在一定范围内地面可以近似看成一个个小平面的前提下,提出一种基于TIN的Li DAR点云滤波算法。先通过多尺度虚拟网格来筛选地面种子点,然后经过TIN向下加密和向上加密两个过程来进一步筛选出地形点;最后,通过3组具有不同典型地物特征的测区数据进行试验,验证该算法的实用性和有效性。     

压缩感知点云数据压缩

在研究FARO 激光扫描点云数据特点的基础上,将压缩感知理论和算法应用于3D 点云数据的压缩. 通过对点云数据降维处理,直接对坐标数据进行采样压缩,应用正交匹配追踪算法进行恢复,并对恢复数据采用统计滤波的方法滤除边缘噪点. 仿真结果表明：该方法能有效地实现点云数据的压缩,且有较好的鲁棒性.     

基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuz...     

基于密度峰值剪枝后的最短路径聚类算法

聚类是通过数据标签或者属性,将一系列经验数据按照相似性或者相近性进行归类.基于密度属性展开的聚类算法,主要聚焦在聚类中心的确定和剩余点如何分配的问题上展开讨论.针对基于密度峰值的可训练最短路径算法,通过密度峰值确定聚类中心,提出使用截断阈值、对路径图进行剪枝的算法改进.然后基于最短路径法对剩余点进行全局分配.实验结果证明,在保持聚类精度的同时,有效地提升了算法执行效率.     

一种新的点云数据压缩质量评定方法

点云数据精简的质量好坏关系到后续的建模工作,因此提出了一个新数据压缩质量评定的方法.在C++平台下,将精简完的点云数据重新进行三角网的构建,观察特征点部位三角网的构建情况,同时对比模型精简前后的体积差异.将这两种方法结合在一起进行精简质量评定,从观察的角度和数据分析的角度两方面来评定点云数据压缩的质量.同传统的表面积法来进行比较,可以从宏观和微观两个方面进行分析.提高质量评定的准确度,验证结果表明:上述方法是可行的.     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN （density-based spatial clustering of applications with noise）对点云数据进行过分割，得到密度可达的超体素；然后引入空间和属性上下文特征来描述超体素间的关联，并用于定义超体素构建的图模型边的权值；最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明，该方法能够有效改善点云聚类过分割，从而提高聚类的精度.     

图形聚类算法的代谢网络模块化分析

代谢网络的研究是当今生物学研究中的新热点,使用图形聚类算法对代谢网络进行分析研究是一个有力的手段.文中提出了用图形聚类方法挖掘复杂代谢网络中蕴含的功能信息并进行模块相似性分析的方法,从系统生物学角度揭示光合作用的进化.介绍了马尔可夫聚类算法和模拟退火聚类算法两种图形聚类方法;给出了两种方法对叶绿体和蓝细菌的代谢网络进行聚类的结果;定义了模块相似度评价指标,挖掘叶绿体和蓝细菌间保守的功能模块,并对其网络结构进行了比较分析.     

一种基于联邦Kalman滤波结构的自适应信息融合方法

鉴于联邦Kalman滤波是一种能在复杂信息融合系统中进行目标状态估计的有效方法．介绍了联邦Kalman滤波器的原理和结构，提出了一种基于联邦Kalman滤波结构的自适应多传感器信息融合算法．仿真结果表明，该算法能有效提高信息融合系统的精度和容错性．具有较高的实用价值．     

模板在线聚类的目标跟踪

针对基于模板的目标跟踪算法存在模板冗余高、难以适应非刚性目标外观多变的问题,提出一种基于粒子滤波的模板在线聚类目标跟踪方法.首先建立用于描述目标和背景的正、负模板集,然后抽取候选粒子,使用候选粒子与正、负模板集的类内距离以及正、负模板集之间的类间距离来构建似然函数,最后依据最大后验概率准则确定最佳候选粒子作为跟踪结果.根据视频序列中连续变化的目标状态,将一定范围内的相似目标状态视为一个状态类,确定当前状态类的聚类半径.采用均值漂移算法对正模板集及最近几帧跟踪结果进行聚类,并将聚类后的中心集作为新的正模板集.实验表明,该算法能保留目标不同的外观状态,在复杂情况下仍能准确跟踪目标.     

一种基于InSAR技术的火山地形测量方法

由于断层、断裂等地貌特征,使利用InSAR技术获得的火山地形包裹相位图中易出现条纹密集、混叠等现象,为图像处理带来很大困难,很难准确恢复出火山真实地形的相位信息.为此,采用基于四向梯度自适应结合均值滤波的横向剪切四向加权最小二乘相位解缠图像处理方法,提出基于四向梯度的自适应滤波,利用一阶差分法判断图像边缘位置信息,有效去除噪声的同时提高边缘保持能力,解决边界模糊问题,结合均值滤波,更好地保留细节信息,提高图像清晰度.再采用横向剪切四向加权最小二乘算法进行相位解包裹,基于干涉图计算相位梯度值,利用离散余弦变换求解泊松方程获取真实相位.经仿真模拟实验验证,该算法运行时间短,解缠精度高,可准确地获取火山真实地形的相位信息.     

改进的DBSCAN空间聚类算法研究

DBSCAN算法是一种基于密度的空间数据聚类方法,聚类速度快,且能够有效处理噪声点和发现任意形状的空间聚类．但是数据量大时要求较大的内存支持和IO消耗,当空间聚类的密度不均匀,聚类间距离相差很大时,聚类质量较差．本文在DBSCAN算法的基础上提出一个划分不同密度分别聚类的算法．测试结果表明可以改善聚类效果．     

基于云计算平台Hadoop的HKM聚类算法设计研究

为有效解决传统K-means聚类算法在处理大规模数据集时面临的扩展性问题,提出了一种Hadoop K-means聚类算法.该算法首先根据样本密度剔除数据集中孤立点或者噪声点的影响,再利用最大化最小距离思想选取K个初始中心,使初始聚簇中心点最优化,最后用Hadoop云计算平台的Map Reduce编程模型实现算法的并行化.实验结果表明,该算法不仅在聚类结果上具有较高的准确率和稳定性,而且能够很好地解决传统聚类算法在处理大规模数据时所面临的扩展性问题.     

LIDAR点云建筑物数据提取及三维模型建立

对原始LIDAR点云数据采用谢别德法进行内插生成规则格网的数据形式DSM,利用双次最小二乘法来进行滤波分离地面点云和非地面点云形成DTM,从而得到了规则化的DSM.采用区域增长法对规则化的DSM进行分割,去除非建筑物点云,获取建筑物点云信息.采用Canny算子来将分割后的影像进行建筑物边缘的提取,采用基于Hough变换检测直线来对提取出的建筑物边缘进行规则化操作使其光滑均匀,最后使用E3De 3.0软件进行建筑物三维模型的建立.     

湖北省雷击关联规则挖掘发现

利用湖北省雷电实时监测系统中2012~2014年间7月份的历史数据,挖掘雷击与地形、气象等环境要素之间的关联.结合具有噪声的基于密度的聚类算法与核密度算法,分层次筛选候选集,剔除低密度的无兴趣噪声点.利用先验关联规则挖掘算法进行差异化挖掘,得到湖北省不同等级电流幅值的雷击点与地形及气象因素之间的定性定量关系.分析表明,在地势低矮的湖北省,10~75 k A的雷击常发生于土地覆盖类型为林地和农田的区域,主要与日均气压、气温、相对湿度、坡度、水汽压、风速、最大风速、降水量有强相关性.100~157k A的中强电流幅值雷击与最大风速、日均水汽压、气温、最低气温、均风速的相关性较强.157.9~250.7 k A的强电流幅值雷击主要与降水量相关.     

PBC:一种基于路径的XML文档聚类方法

提出了一种基于路径的XML文档结构聚类方法(PBC).与其他方法直接计算XML文档结构距离不同,该方法通过对文档包含的路径聚类,间接完成文档的聚类.首先,包含某一路径的文档集合形成初始类,并用该路径作为初始类的标识.然后,用层次聚类方法根据设定的标准,合并初始类,直至结束.类的标识信息是类中文档包含的路径,结果直观,容易理解.算法的复杂度是O(n),其中n是文档的大小.相关实验证明该算法不但能保证聚类结果准确,而且能大幅度提高计算的速度.     

基于权重的改进K-means算法应用研究

数据聚类是将数据对象划分到不同的类或簇中,是数据挖掘中的一项重要技术.教育领域拥有海量的学生信息数据,把数据挖掘中的聚类技术引入其中,具有很强的实际价值.阐述了运用数据挖掘中改进的引入权重的聚类技术对成绩数据进行选择、预处理和挖掘分析等,展示了3个Matlab实验使成绩数据如何通过K-means算法进行聚类分析,并对3种运行结果的意义各自进行了显示与分析,同时指出了运行结果的不足及意义.针对学生实验中的分类原因进行了研究并在学生成绩分析中发现很多隐含着的不易发现的有价值信息,利用这些聚类结果提出了相应的教学措施及建议,从而有针对性地提高教学质量.