小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

基于GPS和车辙的三维路面重构

提出了一种基于地理定位系统(GPS)和横断面车辙数据的路面三维重构模型.针对GPS和车辙的采样间隔不同,首先采用Cardinal插值算法对非等间距的离散GPS点插值,并按间距需求选取等间距的插值点,然后将序列化后的GPS插值数据与车辙数据融合,构造出在三维空间中用于绘制三角形网格的顶点矩阵,最后实现了三维重构路面的绘制.实验表明用该方法重构的三维路面在路面车辙、坑槽及拥包的检测方面有很好的应用价值.     

PET断层重建中动态射线追踪算法的实现

迭代重建算法已成为PET的标准重建方法,其系统响应矩阵实现图像空间和投影空间之间的映射关系,是迭代重建算法的关键.面向list-mode断层重建,以优化Siddon算法为基础,实现了一种敏捷的正交距离射线追踪方法,实时计算系统响应矩阵,生成近似高斯形的LOR线,有效建模了探测器响应函数.结果表明该算法在重建精度和效率之间达到较好的平衡,满足了list-mode断层重建的需求.     

基于体数据变形的自适应移动立方体算法的研究

 移动立方体（Marching Cubes）算法是一种经典的三维重建方法,但是对采样稀疏的体数据进行重建时,不能满足所需的精确度要求。提出了一种基于体数据变形的自适应移动立方体算法。该算法通过自适应地改变体素顶点的位置,使得体素包含更多的图像信息从而使体素内的三角面片更加逼近等值面;同时,采用了区域增长策略对体数据进行分割从而避免了对整个体素空间的运算;对算法的并行优化提升了算法的三维重建效率。实验证明使用该算法对稀疏体数据进行三维重建,提高了重建的精确度,并且保证了重建的实时性与交互性。     

多电极电磁血液流速仪仿真建模研究

基于电磁流量计权函数理论,将多电极电磁测量方式应用于肢体动脉、静脉血液流速测量。通过将流动截面处划分为不同的区域,利用权函数理论重构流动截面处不同区域内的平均轴向速度值,实现对动脉、静脉血管中互为逆向流动的速度信息测量。在此基础上,通过获取不同位置的弦端电压,利用区域权函数的计算方法,确定流动截面上不同位置的权函数,进而计算流动截面处各个区域的局部轴向平均速度。三维有限元模型仿真和计算结果表明电极的位置、数量以及不同的划分方式重构结果不同,实现了速度重构并测量了局部速度分布。     

针对工艺品设计中复杂曲面重构的数字化设计研究

为解决工艺品设计中复杂曲面的重构问题,以陶瓷小猪为例,利用逆向工程软件对工艺品复杂曲面进行逆向重构及数字化设计,得到相应的数字模型。通过检测对比,重构的数字模型与实物关键表面偏差均在0.08 mm范围以内,大大提高了复杂曲面的产品设计开发能力,缩短了开发周期,提高了生产效率。     

基于CT图像的颌面部模型三维重建方法

基于CT图像,选择颌面部组织(包括脸颊软组织)为对象,建立符合生理要求的口腔修复、软组织变形仿真模型。利用Amira软件,通过轮廓提取、公共轮廓线建立、模型光顺等操作,结合重建组织的医学特征,对颌面部不同组织分别进行三维重建。所建立的三维模型可真实再现颌面各组织的解剖形态,体现相邻组织紧密结合特性。     

SVM网页分类中一种新的特征提取方法

随着互联网的迅速发展,对网页正确分类显得越来越重要。网页分类的一个难点就是特征空间的维数比较大,支持向量机(SVM)分类方法显示出比其它分类方法更好的性能,但是训练样本时却花费了比其它算法更多的时间。本文提出了一种基于选择最确信的词来预测一个文本的类别的特征提取方法,通过中文文本实验,结果表明在不降低分类准确性的前提下,缩短了训练时间。