利用超奇异椭圆曲线进行素性检验(英文)

根据超奇异椭圆曲线有理点个数与素数的关系,提出一个具有多项式时间复杂度的素性检验的概率型算法.对于给定的整数N,如果N≡3(mod4)或者N≡1(mod3),该算法具有多项式时间O(log8N).在广义黎曼假设成立的情况下,对于所有整数都具有这一时间复杂度.     

无线传感器网络中免于测距的声音定位算法

为在无线传感器网络中实现声音定位,从降低计算复杂度和减小噪声干扰的角度提出了一种基于中垂线分割的免于测距的声音定位算法.该算法采用免于测距的中垂线分割法确定声源所在定位区间,时间复杂度为O(N2),低于时间复杂度为O(N3)的基于测距的传统定位算法.通过对测量噪声的深入研究,提出了噪声敏感区概念.该算法在针对噪声敏感区...     

完全图上结构异常的搜索算法——融入量子计算思维的经典算法探讨

采用量子计算思维探索新的图结构搜索方法,提出了一种基于散射量子行走的完全图上结构异常的搜索算法.在N个顶点的完全图上外接一个悬挂点,既破坏了完全图的对称性,也预示着图的拓扑结构将发生变化.首先给出完全图上散射量子行走酉算子U的解析刻画,将行走的Hilbert空间投影到低维不变子空间S,并给出酉算子U在空间S中的作用US的形式;然后将完全图中所有状态的均匀叠加态选择为行走的初态,借用微扰理论求出酉算子US的本征值和特征向量,通过数学解析计算出行走的终态(悬挂点);最后分析算法的时间复杂度和成功概率.算法分析及Matlab仿真结果表明,利用散射量子行走可以在O(N~(1/2))步内以接近于1的概率找到异常位置,而经典算法中使用邻接矩阵查找该异常点的时间复杂度为O(N),因此相对特定问题和特定的经典算法,使用散射量子行走搜索算法可以实现二次加速.     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

正交有限视角光学层析重建图像的计算机模拟

本文提出了正交有限视角少数投影光学层析技术重建图像的重要性;对正交光路系统各１６°,１４°,１２°,１０°范围内的投影视角采用联合代数重建算法实现了图像重建的计算机模拟;分析了重建精度与采样密度、采样间隔的关系。结果表明,小视角少数投影情况下重建出较高质量的图像是可行的。     

基于线性正则变换的非均匀采样信号重构方法

提出了一种新的基于线性正则变换的非均匀采样信号的重构方法.根据周期非均匀采样信号模型的特点,提出了一种新的非均匀线性正则变换;研究所提出信号的离散非均匀线性正则变换谱与其连续谱的关系,并根据此关系提出了一种线性正则变换域基于周期非均匀采样信号点重构算法;为验证推导结果,采用一维周期非均匀采样信号进行仿真,仿真结果表明,重建信号与原始信号基本一致.      

基于压缩感知的微网谐波分析方法

多类型分布式电源和电力电子装置的运用使微网中谐波分量更加复杂,针对目前Nyquist采样框架下前段谐波采样数据量大、压缩复杂度高的问题,基于压缩感知理论提出了一种微网谐波分析和同步检测方法.首先理论证明了电网谐波信号在DFT基下的稀疏性满足压缩感知必备条件;随后依据国标要求,选定采用稀疏测量压缩采样方法和谱投影梯度恢复算法的压缩感知过程,使采样端存储空间降低为传统Nyquist采样的M/N,且降低传统稠密测量复杂度.实验结果表明:谱线插值修正算法可有效提升检测精度,新方法对微网谐波的频率、幅值和相位的检测误差分别降低到0.000,1%,、0.053%,和0.05°以内,对间谐波的检测误差分别在0.002%,、0.15%,和0.2°以内.     

基于三维测量的奶牛体型性状指标的数据采集

采用立体视觉的三维测量方法重建奶牛的三维模型,实现了对奶牛的体型性状指标测量,首先通过立体标靶进行摄像头的标定,然后利用SIFT(scale invariant feature transform)尺度不变特征点匹配算法对图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标;针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接.实验表明,采用该方法重建的奶牛模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量.     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

一种求解正交约束问题的投影梯度方法

正交约束优化问题在特征值问题、稀疏主成分分析等方面有广泛的应用.由于正交约束的非凸性,精确求解该类问题具有一定的困难.本文提出了一种求解正交约束优化问题的投影梯度算法.该算法采用施密特标准正交化方法处理正交约束,其时间复杂度为O(r2 n),比传统SVD分解复杂度低,且实现简单.数值实验验证了算法的有效性.     

基于非一致性稀疏采样的LiDAR点云压缩方法

针对自动驾驶车载LiDAR点云,本文提出一种基于形态学分割和非一致性稀疏采样的新型有损点云压缩框架。LiDAR点云先经过渐进式形态学滤波器分割为地面和非地面点云两部分,对两者进行不同强度的去冗余稀疏采样,之后将3D数据经球坐标变换映射为2D矩阵(表示为距离图像),并通过占据图形式表示距离图像像素值是否存在。根据占据图的Morton 码排序,2D矩阵被表示为更加紧凑的1维距离向量。最后对占据图和距离向量利用图像编码方法进行压缩。实验结果表明,本文方法压缩性能明显优于点云压缩锚点,Google Draco方法;与MPEG TMC13方法相比,在较大bpp的情况下可以达到更高的重建质量,恰好适于精度要求高的自动驾驶应用场合。     

基于三维虚拟vr的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟vr的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

直线检测的灰度投影积分方法

为了提高图像上直线检测的鲁棒性和精度,提出一种灰度投影积分(GP I)方法。GP I方法将需要检测的图像直接在直角坐标空间沿某个投影方向进行投影,将对应到同一投影点的像素灰度值进行累加,得到灰度投影积分向量,再旋转投影方向计算不同投影方向的灰度投影积分向量,从而得到一个原图像的灰度投影积分矩阵,再由该矩阵的极值元素所在的行和列求出图像中直线的方程。实验结果表明,GP I方法不需要事先提取边缘点,就能够快速准确地检测出图像中的直线,避免了传统方法在提取边缘点时阈值选取不当带来的直线检测误差。     

基于地面LiDAR点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟,本文以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。通过对比分析插值生成的特征的不同,构建适合于LiDAR点云震害建筑物提取的特征规则集,基于面向对象方法对北川地震遗址地面LiDAR数据进行震害建筑物识别,对结果进行分析,震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为震害评估增添新的可用遥感数据源。     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

基于线性八叉树光线投射算法在云可视化方面的应用

针对传统体绘制算法采样效率低,内存消耗大,绘制速度慢等缺点,提出了基于线性八叉树的光线投射算法并用于真实云图可视化。该方法首先通过线性八叉树对传统光线投射算法和存储进行优化加速,并结合Blinn-Phong光照模型增强每个体素的色彩渲染;然后采用合成公式求累积像素值。利用明暗计算的效果显示云的边界面,最终实现云数据的可视化。实验仿真结果表明,该算法在增强绘制效果和加快绘制速度方面的有效性。     

基于多结构快速生成算法的建筑物平面提取

针对RANSAC算法在多结构数据集中提取平面点时存在的不足,提出了基于多结构快速生成算法的点云平面提取的新算法.该算法在随机产生一组平面模型之后,通过每个点相对于模型的残差排序信息,计算条件内点概率分布,然后利用得到的内点先验分布概率指导模型采样.实验结果表明,该算法能准确地检测出点云数据中的平面,相比RANSAC算法具有更好的采样效率.     

基于三点法和ICP算法的手术导航系统患者配准

为提升手术导航系统的患者配准精度和操作效率,提出一种将三点法与迭代最近点(iterative closest point,ICP)算法相结合的配准策略.首先,定义患者配准问题,并介绍术前和术中数据获取方法;然后,以光学定位标记球心为患者空间与图像空间的共同特征,并利用三点法完成初始配准;最后,以经初始映射后的患者点云中各点为球心,建立半径为r的球形区域,并仅保留位于该区域内的图像点云以实现抽样,再利用改进ICP算法对两片点云执行精确配准.实验结果表明,采用所提方法对猪股骨和猪髂骨执行配准的平均误差分别为(0.83±0.10)mm和(0.86±0.09)mm,其精度和稳定性均优于传统ICP算法,且具备高效、易操作的特点以及潜在的临床应用价值.     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.     

基于中轴线的隧道点云去噪算法

隧道作为一个狭长的封闭空间,其点云内部噪声影响点云分析精度,有效去除隧道点云内部的噪声是基于点云隧道形变分析的关键.提出一种基于中轴线的隧道点云去噪算法.通过对点云双向投影获取隧道在水平和垂直方向的姿态变化,根据高阶多项式拟合两条平面曲线并插值中轴线控制点,通过定义空间线段的夹角加密控制点以表达中轴线.通过计算各控制点处的切平面实现对隧道点云的分割,计算各分块内点到中轴线的距离,并根据给定的距离阈值实现隧道内部点云噪声的过滤.通过两组实验分析证实该方法的可行性与精确性.第一组通过模拟隧道点云数据并采用该方法拟合中轴线,比较分析其与已知中轴线的精度.第二组通过分析处理实际的隧道点云数据,实现隧道点云内部噪声的去除.