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。     

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。     

一种改进的矢量曲线特征点提取方法

在信息完整的情况下,减少空间数据的数据量对数据的加工处理、数据的管理及传输具有重要意义.分析了已有的道格拉斯-普克(Dougas-Peucker)数据压缩算法,提出了一种更为简单的特征点提取方法,该算法以矢量数据的坐标为信息,以斜率为约束条件,通过仿真实验,该算法在提取矢量曲线特征点的过程中比Douglas-Peuck...     

基于矢量地理数据变换域水印概念模型的DFT水印算法

对矢量地理数据变换域水印技术进行研究,针对当前变换域水印算法忽视水印变换单元生成的问题,提出数据划分作为变换域水印的基础,与选择变换函数、水印嵌入相结合,构建出一种矢量地理数据变换域水印概念模型,并且基于水印概念模型设计出一种基于离散傅里叶变换(DFT)的水印算法。算法采用格网划分的方法进行数据划分,利用DFT对数据变换单元进行变换,采用基于映射和量化的思想实现对变换系数的水印嵌入。实验分析证明了算法在矢量地理数据平移、裁剪复合攻击下的有效性,通过算法的实现也验证了水印模型的正确性。     

使用矢量量化技术压缩SAR原始数据

该文研究基于矢量量化技术的合成孔径雷达（SAR）原始数据压缩算法，提出了块自适应树型矢量量化（BATSVQ）算法和块自适应球形矢量量化（BASVQ）算法。与块自适应矢量量化（BAVQ）算法相比较，该文提出的算法采用约束型矢量量化技术，能够充分利用SAR原始数据经过自适应块处理后在较小的范围内具有稳定高斯分布的特性。采用以上算法对SAR实测数据进行了验证，并比较图像及其性能参数，结果表明BATSVQ算法和BASVQ算法能够获得算法性能和实现复杂度之间的合理折衷。     

基于格网聚类与空间叠置的矢量空间数据变化检测方法研究——以地理国情监测应用为例

在分析和借鉴传统变化检测方法的基础上,提出了基于格网聚类与空间叠置的变化检测模型,实现了地理国情普查数据中矢量空间数据的快速变化检测,拓展了矢量空间数据变化检测的理论方法,为地理国情动态监测提供了理论和方法支撑.     

基于混合神经网络的图像分类矢量量化方法

介绍了一种基于自组织特征映射（SOFM）神经网络图像压缩的传统算法．通过对传统压缩算法的分析，提出了一种新的简单易行的分类矢量量化方法．新方法采用边缘检测，主元分析（PCA），自组织特征映射来设计码书，大大提高了图像的客观指标和主观视觉效果．实验表明，此方法效果明显优于传统的SOFM图像压缩算法．     

BAVQ压缩算法应用于SAR原始数据压缩——最佳矢量维数的选择方法

BAVQ压缩算法较BAQ算法有更好的压缩性能,但其应用于实际存在一个主要的制约因素就是算法复杂度。而矢量量化所用的矢量维数是影响算法复杂度的关键因素之一,在分析了VQ量化原理和原始数据相关性特点的基础上,给出了一种有效的最佳矢量维数选择方法。     

DM数据库中大规模数据智能自适应压缩算法研究

DM数据库中存在大量冗余数据,需对其进行压缩处理。传统数据压缩算法大多只追求高压缩率,不能保证数据的完整性;且适用范围小。为此,提出一种新的DM数据库中大规模数据智能自适应压缩算法。给出算法涉及的相关术语,介绍了智能自适应最优消零压缩算法的压缩原理,给出位数因子、编码长度、最优位数因子、最短编码长度以及编码因子的计算过程。在不同时刻对采集的DM数据库中的数据进行排列,通过自适应最优消零压缩算法原理求出数据序列最小编码长度和对应的最优位数因子;依据最优位数因子完成对数据序列的消零计算与编码,删除时间冗余,获取压缩后数据。实验结果表明,所提算法压缩效率高,在保证压缩比的同时,能够保证压缩后数据的完整性,且适用范围广。     

小波变换结合LZW压缩算法探究

为解决传统桥梁振动数据压缩方法存在的问题,在深入分析小波变换原理的基础上,提出了一种小波变换结合LZW的压缩算法。该算法针对桥梁振动数据的特点,根据小波变换多分辨率分析的特性,对分解后各级的高频分量采用Donoho阀值压缩算法进行量化处理。而后采用改进的LZW编码压缩变换后的系数,对实测数据进行了压缩实验,结果证明小波变换结合LZW的数据压缩算法可有效提高数据压缩比,能量恢复系数优于10-4,压缩比小于9.25%。     

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.     

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。     

基于贝赛尔曲线位图矢量化方法的研究

针对简单图案的边界线条提取,以所给图中的黑白图案为切入点,综合分析了图案轮廓特征点的坐标值数据,根据贝塞尔曲线的建立原理,笔者尝试构建了基于贝塞尔曲线的图形边界线条提取、图形边界线条提取修正和简单彩色图形边界线条提取等模型,运用Excel进行相应数据处理,并使用Photoshop、Matlab等软件提取出图形的边界线条,Opencv软件对拟合的线条进行了检验。最后,将所求结果和实际相比较,发现得到的矢量边缘线图案很大程度上接近于现实图案。     

基于下肢动静态特征融合的步态识别

针对目前步态识别研究中基于单一特征算法识别率低,多特征融合算法又过于复杂的问题,提出一种简单有效的步态识别算法。提取下肢肢体角度为动态特征,肢体长度为静态特征,另外引入动静态兼顾的可变区域面积特征,最后融合得到联合特征向量并引入一种最近邻模糊分类器进行分类。在CASIA步态数据库上进行大量的实验。实验结果表明,在降低融合算法计算复杂度的同时,识别率相对于单个特征有了很大提高。     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

基于点云数据的自然地形分类算法

提出一种自然地形分类算法以解决移动机器人导航中的环境理解问题。在单几何特征地形分类方法的基础上,提出的算法使用从点云中提取的复合特征训练分类器。复合特征向量包含一个点几何特征和颜色特征。算法首先计算点的坐标协方差矩阵和平均法向量协方差矩阵的特征值作为几何特征。然后通过标定激光雷达坐标系和相机坐标系使点得到颜色信息,把点的颜色作为颜色特征加入复合特征向量。算法使用最大期望-高斯混合模型(EM-GMM)训练一个分类器,训练数据由人工标注。实验结果表明,与单几何特征分类方法相比,复合特征分类方法在对自然地形分类时能得到更高的正确率。     

基于模型的宏观特性提取特征点研究与实现

针对目前3D模型特征点提取的运行效率和可靠性问题,提出了一种基于模型的宏观特性提取特征点的算法。在传统的特征点提取算法基础上加入了特征点的宏观检测,优化了特征点的提取效果。实验结果表明,利用该算法可以提高特征点提取的准确性和可靠性,对于存在大量噪声的模型有较好的效果。