利用轮廓特征的多视点几何数据配准

以三维激光扫描仪为获取数据平台,针对扫描过程中存在的数据配准问题,提出了利用轮廓特征的大规模三维场景多视点几何数据自动配准算法。首先采用自适应曲线拟合技术提取三维轮廓特征,在此基础上建立八叉树数据检索结构。引入马氏距离,以八叉树叶结点为匹配单元计算初始转换矩阵,并经ICRP算法逐步优化直至获得两视点的最佳配准。最后,采用就近原则,给出大规模三维场景多视点全局配准策略。并通过对室内、室外和古建等场景的三维配准实验,证明算法的鲁棒性。     

基于Relief算法的特征学习聚类

聚类作为数据挖掘常用工具之一,是按照事物间的相似性进行的一种无监督分类．然而传统的聚类方法较少考虑特征权值．为此,通过研究、分析Relief算法及其在聚类应用中存在的问题,提出了一种基于Relief算法的特征评价函数,并将此函数运用到特征学习聚类中,以解决特征权值取值不当对聚类产生的负面影响．     

图像识别在吻合器漏针检测中的应用

提出了一种基于图像处理和模式识别技术的计算机吻合器漏针自动检测方法.该检测系统通过微机控制CMOS摄像机拍下吻合器图像,采用二值化、特征提取和模糊聚类等一系列计算机视觉技术检测漏针.实践表明,该方法准确率高、速度快,比传统检测方法有着更高的可靠性和效率.     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

转向工况下汽车悬架系统动力学特性仿真

文章从转向对悬架系统影响的角度出发,建立了转向工况下的1/4汽车动力学模型及仿真模型。通过模拟路面输入,在不同车轮转角和车速等行驶工况下进行了大量的仿真计算。仿真结果表明,不同车速和车轮转角所产生的不同侧偏力,对车身垂直加速度、悬架动挠度和轮胎动载荷的变化有较大影响,随着车速提高和车轮转角增大,侧偏力也随之增大,致使其加速度等输出响应变化更为显著。     

城口—鄂西海槽周缘长兴组储层特征及主控因素分析*

城口—鄂西海槽周缘长兴组发育了海相碳盐岩生物礁相沉积,但钻井少,总体勘探程度较低。针对奉节地区长兴组地层,以露头、岩心、薄片的详细观察为基础,结合扫描电镜、物性测试等分析手段,对研究区储层发育特征及主控因素进行分析。研究区长兴组储层岩性以礁白云岩、颗粒白云岩和晶粒白云岩为主;储集空间类型主要以晶间孔、晶间溶孔、超大溶孔以及各种裂缝所组成的以次生孔隙为主的裂缝-孔隙型储层;总体物性较差,属低孔特低渗型储层。该区储层发育受多方面的影响,主要是岩性、沉积相带、相对海平面变化以及成岩作用对储层发育起到主要作用;其中,礁滩相为研究区储层的有利相带,相对海平面下降有利于礁滩储层的发育;同生期大气淡水溶蚀作用为储层形成的首要机制,埋藏期溶蚀作用和白云石化作用对储层的改善起到了重要作用。在储层特征及主控因素分析的基础上,对研究区有利储集区带进行了预测。     

立体视差调整的快速估计方法

立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围,建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间,给出计算立体显示屏幕Panum融合区的方法,然后推导出立体显示屏幕Panum融合区对视差调整量的限定,最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整量的适用范围．经实验验证．本方法可以快速、准确地得到视差调整量的适用范围,最大限度地避免立体图像中出现双眼复视的情况．     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

基于特征塔集的遥感图像融合方法

提出了图像特征塔集的概念，给出了一种基于特征塔集的融合方法．算法主要包含两部分，子图像的融合及对应残差图像的融合．图像的大部分能量和信息包含在子图像中，因此，在图像金字塔的子图像融合过程中，特征塔集的构造由局部能量和局部熵组成．考虑到残差金字塔包含了原始图像的边缘或高频成分，因此采用梯度作为其融合特征．最终的融合结果，可利用金字塔反变换获得．由于将残差金字塔也引入到融合算法的设计过程中，因此融合的精度得到一定的提高，另外，采取简单的金字塔可以有效地控制算法的复杂度．实验结果表明了算法的合理性和有效性．