移动最小二乘增量式多视点云数据融合算法

在散乱数据点移动最小二乘曲面拟合的基础上,提出了一种增量式多视点云数据融合算法.将算法中多视点云数据作为对同一物体表面二维流形的一次采样,采样数据中包含匹配误差、冗余和畸变,把多视点云数据融合问题转换为由包含误差的散乱数据点恢复二维流形的过程.对每一幅当前处理的点云,寻找当前点云与已增量式融合的点云数据的重叠部分,在重叠部分数据集上构造移动最小二乘曲面,将重叠部分的每一个在移动最小二乘曲面上的对应点合并到当前已增量式融合的点云数据集中,从而实现了增量式多视点云数据的融合.实验证明,该算法是一种有效的多视点云数据融合算法,并且可从较大匹配误差、噪声、畸变的多视点云数据中获得较好的融合效果.     

点云数据压缩算法综述

由于三维激光扫描数据采集的过密,这使点云的数据处理变得十分复杂和困难。国内外专家学者在点云数据的精简方法和处理效率等方面做出了大量的理论研究和实际探索,解决了扫描数据量过大的问题,并取得了丰硕的成果。在此基础上,本文针对国内外点云数据缩减方法的研究现状,总结了一些点云数据压缩算法。     

含状态约束的分布式多传感器数据融合

从理论上研究了含状态约束的分布式多传感器数据融合中的状态估计问题．在单传感器Kalman滤波方程和无约束的分布式融合算法的基础上,考虑状态等式约束条件,提出了一种新的含状态约束的分布式融合估计算法,指出并证明了该融合估计所具有的数学性质．     

带有等式状态约束的多传感器数据融合算法

在状态估计理论的实际应用中,状态向量常常包含可以预先获知的约束信息,有效地利用这些先验信息可以进一步明确状态元素之间的关系,理论上可以提高对系统的状态估计精度.针对约束滤波的已有研究成果,将其引入到多传感器系统,提出了约束系统多传感器数据融合算法.通过建立线性等式约束方程,将传统卡尔曼滤波结果投影到约束子空间,然后对局部传感器的约束滤波结果采用分布式最优加权融合,并且通过协方差匹配技术检测观测数据异常的传感器,使之不参与到数据融合中.仿真结果表明,约束系统分布式加权融合算法的有效性和可行性,并且比集中式融合算法具有更好的稳定性.     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

顾及地形复杂度因子权重的多波束点云抽稀算法

多波束测深数据具有海量性与冗余性的特点,在实际应用中有必要进行简化处理。现有抽稀算法大多基于单一特征参数实现,其结果往往存在地形细节丢失、地形真实性欠佳等问题,为此提出一种顾及地形复杂度因子权重的多波束点云抽稀算法。该算法首先筛选地形起伏度、坡度和粗糙度作为评价因子,然后采用改进CRITIC综合评价法构建地形复杂度指标,基于该指标实现了点云的初步抽稀;最后通过自适应格网保留局部特征点,进一步改善抽稀质量。实验表明：与传统算法相比,该算法的抽稀结果在多级简化率条件下均具有更低的均方根误差(RMSE),有效提升了简化后的地形精度,能够保留更多的地形细节特征。     

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.     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

点云数据三角网格生成算法及应用

在引入局部Delaunay边和局部Delaunay三角形的基础上,给出一种平面及空间散乱数据点集的三角网格生成的快速算法,实验表明本算法具有运行速度快、计算准确、存储简单等优点.     

点云数据的自动配准算法研究

针对传统ICP(Iterative Closest Points)配准算法计算量大、收敛速度慢且要求待配准的两片点云数据重合程度较高的问题提出了一种改进方法:首先基于均匀采样法精简点云数据;其次采用Kd-Tree算法查找最近点并基于距离阈值剔除错误匹配点;接着优化目标误差函数,计算点到切平面的距离;最后采用多角度的全局配准方法将两片重合程度最小的点云较好地配准在一起.通过对比实验,验证了本文的改进型ICP算法在运行时间和配准精度上都对传统的ICP算法做出了较大改进,取得了较好的配准效果.     

基于多次约束匹配的室内定位算法

传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的Wi Fi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。     

基于OpenCV多源图像的整合研究

图像因为不同的应用需求有不同的数据格式,同一系统中对不同源的图像数据分析是较困难的.OpenCV的开源性及可扩展性为基于图像的软件系统提供了较好的整合方案.在研究了OpenCV的特性和配置方法后,利用OpenCV,为多源图像的整合提供了简单可行的方法.     

L_1范数字典约束的感兴趣区域CT图像重建算法

针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法。首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建。胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44dB。山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构。     

基于立体图像水印算法的研究

提出了一种基于全局视差和左右视图图像块间对应关系的立体图像水印算法,来解决立体图像的版权保护和内容认证的问题。首先根据立体图像的左右视图求出立体图像的全局视差,然后找到左右视图的相似区域,最后相似区域内基于左右图像的对应关系完成水印的嵌入。由于DC系数是块能量的集中区域,其左右图像块间的对应关系比较稳定,所以本文选择左右图像Y分量DC系数进行水印的嵌入,这样可以提高水印的鲁棒性。仿真实验结果表明,水印具有很好的不可见性和较高的鲁棒性,能够抵抗高强度jpeg压缩、高斯和SBS编码攻击。     

基于约束Laplacian分值的半监督特征选择算法

针对Laplacian分值法进行特征选择时过分依赖样本局部结构信息的不足，提出一种改进的基于约束Laplacian分值的半监督特征选择算法。该算法利用样本之间的cannot-link成对约束关系作为全局结构信息，在进行特征选择时，不仅能尽量保持局部结构信息，而且还尽量保持了全局的cannot-link约束关系。基于Yale和PIE(Fave pose,Illamination,Expression dadbase)人脸数据库的实验表明，该算法性能显著优于Laplacian分值法，与Fisher分值法和最新的约束分值法相当，且在稳定性方面优于后者。     

基于BOA的受限延时QoS路由算法

无线ad hoc网络中受限延时的QoS路由问题是NP-complete问题,针对其特点,将贝叶斯优化算法引入其中,用贝叶斯网络对QoS参数进行模拟、采样和优化.实验结果表明,贝叶斯优化算法对于受限延时的QoS路由问题有着很好的解决能力,同时与其他算法比较,能够搜索到较低代价的路由,满足QoS路由要求.     

基于ANFIS的图像边缘检测算法

提出了一个包含4个自适应神经模糊推理系统(ANFIS)和一个后处理块的网络,该网络可用于灰度图像边缘检测。网络中每个ANFIS都是一个四输入单输出的一阶Sugeno模糊推理系统。所提出的边缘检测算法分两步进行,首先对该网络进行优化训练,确定其参数,然后用优化后的网络对被脉冲噪声污染的测试图像进行边缘检测。所提出的新算法的特色之处在于,即使测试图像被噪声污染,新算法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。仿真结果表明,新算法提取边缘信息的能力明显优于传统的边缘检测算法。     

基于环绕数约束模型的轮廓识别算法研究

为了解决当前图像轮廓识别算法中由于区域标记和轮廓标记性质不同,导致难以将多标记融合识别技术应用于图像轮廓识别中的问题,本文提出了一种基于环绕数约束的能量最小化模型,用以精确识别目标轮廓.在这种模型中,区域标记(如颜色和纹理均匀性)和轮廓标记(如局部对比度和连续性)通过一个目标函数进行描述,实现多标记融合识别.首先,将环绕数作为约束,将其引入到能量最小化模型中,得到区域标记与轮廓标记的线性约束;然后,对区域标记、轮廓标记以及曲率标记进行融合,实现对图像中目标轮廓的识别;最后,将能量最小化模型与标记相结合,通过比率能量函数对算法进行实例应用分析,验证算法的有效性.实验结果表明:与传统轮廓识别算法相比,所提算法具有更高的轮廓识别精度.     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .