海量空间数据点四边形网格优化

在基于海量数据点的四边形网格的曲面重建过程中,四边形网格的划分质量直接影响到曲面重建的精度,在海量空间数据点四边形网格的生成的基础上,提出了网格的优化方法.详细论述了网格质量的定义,网格拓扑优化,几何优化方法;在网格拓扑优化中,通过优化边界边、固定边界边的网格以及网格单元、网格角度的处理,最大极限的满足网格中每个节点的度为4;在几何优化方法中,通过调整网格顶点的位置,达到调整网格形状的目的.本优化算法采用网格拓扑优化与几何优化相结合的循环方式进行,提高了网格的质量,最后给出了网格优化实例.     

焊接数值模拟中网格重划分法的最优划分研究

为提高焊接数值模拟中网格重划分法的计算效率和精度,对重划分区域的大小和细密网格尺寸这两个关键因素展开研究.以典型的平板焊接为例,通过数值模拟分别讨论了细密网格尺寸、区域宽度和区域长度三个变量对计算效率和精度的影响,归纳了三个变量最优取值的经验公式.研究结果表明:在保持一定精度前提下,使用最优划分的计算效率比不采用重划分的传统数值模拟效率可提高61%,可以为其他动载荷作用下的大型结构局部非线性响应分析提供参考.     

空间三角形网格局部优化研究

提出了一种空间三角形网格局部优化算法,该算法分为两部分：ａ．网格局部细分优化方法,该方法结合等间距采样法和黄金分割法来获得最优插值点,使网格细分达到满足给定近精度的目的;ｂ。网格局部合并优化方法,给出了网络中三角片合并的判别准则,在满足逼近精度要求的前提下,采用边删除操作合并网格中的某些三角片,达到了减少三角片数量及保证网格中三角片性状较好的目的。空间三角形网格局部优化算法能有效地使网格达到逼近精     

面向点云数据的复杂几何模型对象优化方法研究

针对高精度、高保真的点云数据在精简后点云数据重构网格精度降低误差增大的问题,提出了面向点云数据的复杂几何模型对象优化方法.首先通过空间八叉树法建立点云数据和网格的拓扑关系,并利用原始点云到重构网格的距离确定网格的误差,以目标精度为阈值,然后利用增点法对面片进行划分,最后根据插入点算法重新定位插入点.实验验证表明：利用该文方法对兔子和龙进行一次细分使得精简率90%兔子重构网格误差由0.81 mm提升到0.48 mm,精简率90%龙重构网格误差由0.36 mm提升到0.11 mm.     

一种改进的基于二次误差测度的网格简化算法

在医学图像三维表面建模中,会产生大量的三角面,难以在普通PC机上进行实时渲染.为了解决这个问题,本文作者提出一种改进的基于二次误差测度的网格简化算法.通过对顶点进行分类,在简化过程中更好地保持了模型的细节特征,同时考虑了网格中三角面的分布情况,减小了几何误差.结果表明,算法既保持了原算法快速的优点,又满足了医学图像处理对逼真度和网格质量的较高要求.     

面向双层插值边界面法的非结构自动网格划分

针对数值模拟前处理过程中网格划分存在的困难，提出一种面向双层插值边界面法的非结构自动网格划分方法.该方法基于网格尺寸、表面曲率、实体厚度等几何特征进行体二叉树自适应细分，避免使用任何协调过渡模板处理悬挂点，降低网格划分的困难.构建了体网格拓扑元素与实体模型边界的快速求交算法，有效提升求交计算效率，降低算法实现复杂度.实验结果表明，最终网格划分实现整体以六面体网格为主，实体边界附近的部分网格以四面体、三棱柱或金字塔网格为辅的非结构自动网格划分，验证了该方法的准确性、有效性及鲁棒性.     

空间三角形网格局部优化研究

提出了一种空间三角形网格局部优化算法．该算法分为两部分：ａ． 网格局部细分优化方法,该方法结合等间距采样法和黄金分割法来获得最优插值点,使网格细分达到满足给定逼近精度的目的;ｂ． 网格局部合并优化方法,给出了网格中三角片合并的判别准则,在满足逼近精度要求的前提下,采用边删除操作合并网格中的某些三角片,达到了减少三角片数量及保证网格中三角片性态较好的目的．空间三角形网格局部优化算法能有效地使网格达到逼近精度的要求,同时减少三角片数量并剔除狭长三角片．     

自由变形技术在有限元网格重用中的应用

在现有自由变形技术的基础上,提出了基于三变量B样条空间的局部变形方法和对变形晶格顶点的控制方法,以及几何特征-变形晶格顶点-有限元网格节点的3层控制架构,克服了现有自由变形技术不能维持2次几何特征的缺点,实现了有限元网格模型中几何特征的参数化和有限元网格的重用;当几何模型的设计变量变化时,能够直接修改初始网格模型,节省了重复划分网格的工作量;同时,以复杂零件斜齿轮轴为例进行有限元网格模型几何特征参数的构建,更改部分关键尺寸,并校验了所生成的网格模型.结果表明,由所建模型变形后所得网格质量符合要求,从而验证了所提出的有限元网格重用方法的有效性与实用性.     

孔状结构的六面体网格生成方法

针对孔状结构间由于边界曲率变化造成的网格划分困难,提出一种基于映射法的六面体网格划分方法.该方法首先将子域特征投射到统一源面下,对孔状结构进行包络处理并将各子域进行有效连接,然后通过设定子域边界方向找出贯穿路径,计算各子域边界间隔,最后结合超限映射算法实现全六面体有限元网格的划分.实验证明:该方法稳定、可靠,生成的六面体网格质量较高,能够解决不同孔状结构的网格相容问题.     

利用球面小波技术的几何压缩算法

提出了一个用球面小波实现几何压缩的算法.对于给定的具有任意拓扑结构的零亏格三角形网格,算法首先将其在单位球面上进行全局参数化得到一个参数化网格.然后,将一个正多面体进行细分并将每一次细分所产生的新顶点投影到单位球面上,如此生成一个细分网格.于是,在参数域内位于细分网格顶点处对定义在参数网格表面上的各种几何信号进行重采样,可得到新的具有细分结构的几何信号近似表示原始几何信号,以此满足球面细分小波对处理对象的细分结构要求,从而使得用球面细分小波对几何信号进行压缩得以实现.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

基于区域生长的彩色图像颜色特征提取研究

针对彩色图像,提出了一种简单的颜色特征提取方法.该方法选取了适合彩色图像处理的区域生长算法,利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则.实验结果表明：该方法在保证区域连通性的同时,也能够简单高效地得到与人眼视觉判断相一致的有意义的图像特征提取.     

基于亮度特征耦合信息量制约的图像复制一粘贴篡改检测算法

为了克服当前较多图像篡改检测算法主要通过比较特征点的距离来完成伪造内容的识别,忽略了特征点邻域所含的信息量,导致检测结果中存在较多的漏检和误检等问题,采用图像的亮度特征和信息量特征,设计了一种新的图像篡改检测算法。首先,引入Forstner算子,计算图像像素点的Robert梯度,从图像中精确获取特征点;然后,在图像特征的邻域中,通过均值模型来计算图像的亮度特征,将其与像素点的灰度差异特征相结合,以构造健壮的特征向量。最后,采用互相关函数来计算图像特征的关联度,采用信息熵来评估图像特征邻域所含信息量;并以图像特征间的关联度与信息量特征为依据,对图像特征进行匹配;最后,利用图像特征的特征向量,获取匹配点间的距离值,实现匹配点的归类,获取检测结果。实验结果表明：与当下篡改检测算法相比,在多种几何内容变化下,所提算法具备更高的检测准确度,所含的漏检和误检信息最少。     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法

车牌图像包含的尺度、仿射变化及其复杂的背景是影响车牌定位准确度的重要因素。在高斯差（DOG）尺度空间框架下,笔者提出了一种基于多尺度乘积的角点特征和视觉颜色特征提取及其相融合的车牌定位算法。基于高斯差尺度空间的图像边缘信息,应用多尺度乘积分别提取具有尺度和仿射不变特性的角点和颜色特征,并在两特征融合结果基础上确定车牌位置候选区域;最后通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。对大量实拍的复杂环境下的车辆图像进行测试表明,该算法对车牌定位具有快速、高效的定位效果,且在噪声、仿射变换等方面的鲁棒性表现较好。     

一种改进的ORB特征点匹配算法

针对ORB特征描述算法没有解决尺度不变性的问题,提出了一种将具有尺度不变性的BRISK特征描述符与ORB特征检测子相结合的特征点匹配算法;利用ORB特征检测子检测待测图像中的特征点,并借鉴BRISK特征描述算法的思想对检测到的特征点进行均匀采样,然后对采样到的特征点进行特征描述,最后使用暴力匹配的方法计算汉明距离从而完成特征匹配;通过实验验证了改进算法,有效地解决了ORB特征描述算法不具备尺度不变性的问题,相较于原ORB算法,改进算法的尺度不变性得到了有效提高且更加稳定、可靠,同时,改进算法的实时性也略优于原算法,适合于要求实时性高且尺度变化大的应用中。     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。