基于Voronoi图提取线状地物骨架的一种方法

骨架是线状对象的一个重要特征,如何快速地提取骨架线是研究图像图形学的一个重要方向.为了快速地提取线状地物的骨架线,通过分析其与Voronoi图之间的异同点,提出了一种基于Voronoi图快速提取线状地物骨架的方法,并针对不同的边缘采取了不同的方案以保证提取的骨架线的准确性,最后以福州市区内闽江部分河段的骨架提取为实例检验了该方法的有效性,并分析了存在的问题,提出了改进的方向.     

结合边缘信息优化LSC和改进A*算法的正射影像图镶嵌线提取

为避免正射影像图在镶嵌时镶嵌线穿过视觉显著地物,损害影像中地物的完整性,本文提出一种结合边缘信息优化LSC(线性谱聚类)和改进A^*算法的正射影像图镶嵌线提取方法.首先,将经典LSC的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类,有效利用正射影像图中的光谱信息和边缘信息;然后,将优化后的LSC分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图,并通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点;最后,改进传统A^*算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A^*算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线.利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量地提取到影像镶嵌线,有效绕过视觉显著地物,减少镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求.     

室内复杂背景下人体骨架的提取

人体骨架的提取对人体运动分析研究具有很重要的意义.本文提出了一种人体骨架模型的建立方法,该方法是通过对ZS并行细化算法进行改进,并结合最大正方形像素个数法来提取骨架图像,在骨架提取方向有较强的上噪和抗干扰能力,有很好的鲁棒性,可提取有效的骨架图像,然后以人体解剖学为基础,建立人体骨架模型.通过室内实验,验证了所提出方案的有效性.     

基于LUT的快速3D气道树骨架线提取

为提高肺部支气管骨架线的提取效率,提出并使用一种基于look-up-table(LUT)的腐蚀细化算法.分析建立腐蚀模型,并根据该模型优化建立了LUT,以该LUT为依据通过索引查找对原始数据进行快速腐蚀细化,对得到的腐蚀结果进行剪枝处理以得到最终的骨架线.实验结果表明:提取过程中LUT的应用从根本上降低了腐蚀细化中判断的复杂度,将复杂的简单点判断问题转化为LUT中的查询问题,从而极大地优化了腐蚀细化中关键的腐蚀过程.相比传统方法,基于LUT的腐蚀细化算法显著提高了骨架线的提取速度,较传统细化法提速近22.95倍.     

电子散斑条纹骨架线的自动提取

应用电子散斑干涉方法测量试件的变形位移场时，条纹的骨架线对应位移场的等位移线，准确地提取相关条纹的骨架线是正确测量位移场的关键。提出了基于条纹细化算法的条纹骨架线提取方案，并对细化后的条纹进行了修整处理，去除了桥连和分杈现象，最后对细化后的条纹进行了拟合处理，减小了测量误差，经上述处理后获得了单位宽度的、比较光滑的条纹骨架线。应用条纹骨架线提取方案，能够快速、准确地实现条纹骨架线的计算机自动提取。     

利用Voronoi图解决城市绿化问题

Voronoi图是一种平面分割图,它的剖分结果能够很好地表达点与点之间的邻近关系以及点的影响范围等重要的空间信息.而线段加权Voronoi图是对普通Voronoi图在生成元以及权重两方面加以推广而产生的.本文给出了如何用离散的方法来生成线段加权Voronoi图.针对城市中绿化带选址规划这一城市绿化规划工作中的重要环节,提出了一种基于线段加权Voronoi图的规划方法,更合理地进行绿化场所选址问题.     

一种新的线结构光光带中心提取算法

在采用线结构光投影的三维测量中，快速准确地提取图像中光带中心的位置坐标是线结构光测量系统的关键问题之一。基于此，提出了一种把可变方向模板和灰度重心法相结合，并充分发挥两者优点的方法。首先计算出图像的域值，然后对图像进行二值化，细化，剪枝，得到线结构光图像的骨架，然后再利用可变方向模板判断骨架上每一点的法线方向，最后根据灰度重心法求出线结构光条纹的中心。实验结果表明该方法可以快速有效地获取光条纹中心，有利于提高三维重建的速度。     

一种从遥感影像中自动提取线状目标的方法

介绍了遥感影像中线状目标骨架自动提取的意义、研究现状以及影响线状目标自动提取的主要因素。在吸收国内外一些好的算法优势的同时，充分考虑了影响线状目标提取的两大主要因素，提出了一种新的算法来实现遥感影像中线状目标骨架的自动提取，并利用了多种中小比例尺的影像进行了实验，实验证明了算法的可行性和有效性。     

基于网络加权Voronoi图的点群选取

传统基于Voronoi图的算法忽略了点与点之间是通过实际网络距离相连这一事实,针对此缺陷,提出一种基于网络加权Voronoi图的点群选取算法. 1）利用网络扩展法构建点群的网络加权Voronoi图;2）计算每个点对应的网络Voronoi多边形面积及扩展弧段总长度,并以此为依据,为点群中所包含的统计、专题、拓扑和度量信息分别选定量化描述因子;3）提出“同心圆”算法,解决点群取舍问题. 实验结果表明,提出的方法顾及了点群权重以及与点群相关联的道路等级、方向及局部密度对选取结果的影响,较好地保持了原始点群的各类信息,选取结果符合实际地理空间特征.     

高分辨率遥感影像道路频谱特征分析

以赣州市IKONOS一景高分辨率遥感影像为实验对象,基于IDL平台,对不同道路提取条件下——行道树遮盖、阴影和建筑物遮盖的遥感影像的频谱能量分布特征进行分析,主要是能量谱的数学统计分析.发掘了其与道路在空域的视觉表征之间的联系,即频谱图中能量分布集中的方向与空间域中道路方向垂直,且不受其他地物遮盖的影响.从而为进一步设计滤波器强化线性谐波,进而快速准确提取有阴影、建筑物遮盖等空域无法准确识别的道路奠定基础.     

基于泰森多边形服务分区的常规公交站点布局优化

基于泰森多边形,以公交站点服务区内的所有乘客平均步行到站时间最小为目标建立了一种常规公交站点布局优化模型。首先,分析了公交车乘客乘车习惯与泰森多边形的性质,论证了将泰森多边形的概念引入到公交站点服务区的可行性;然后,介绍了泰森多边形的生成算法,以及对优化区域进行分区的操作流程,并以此构建了优化模型,建立了乘客选择公交出行的比例与步行到站时间的函数关系式,在备选站点中选择满足目标条件的站点做为最终确定的公交站点;最后,通过实例验证了模型的实践性和科学性。研究结果表明:泰森多边形的特性与公交站点服务区所具备的性质极其相似,将泰森多边形应用到常规公交站点的优化研究中,可以解决公交站点的布局优化问题。     

基于计算机图像处理的书法笔画特征提取

提出一种利用计算机图像处理技术进行楷书基本笔画特征提取的方法.从书法笔画图像细化得到笔画骨架出发,提取笔画的全局特征和局部特征,用骨架关键点将笔画分为多个笔段,并结合书法写作特点通过对笔段内部及笔段之间特征进行分析,对书法笔画图像的形体特征选择、提取进行初步的探索.     

一种确定性星座对地覆盖计算方法

为提高星地覆盖计算精度和效率,研究了星座对地覆盖问题.首先,分析了星座对地覆盖几何特性,着重研究了基于Delaunay三角网和Voronoi图的星座空间几何构形划分方法;其次,通过定义卫星的所属覆盖区域,将星座对地覆盖问题简化为单星覆盖问题.并在此基础上提出了星座对任意类型地面目标覆盖能力的精确、快速计算方法;最后,比较不同覆盖目标下,所提出的方法和经典的网格点划分方法的计算精度和计算效率.实验结果表明,所提出方法具有正确性和高效性,且该方法可以有效应用于卫星星座优化设计和性能分析中.     

基于倒谱与复杂性的说话人确认系统

基于传统的LPC倒谱特征和KC复杂性特征建立了一个说话人确认系统，采用了YOHO speaker verification数据库训练模板和测试该说话人确认系统，取得了较好的说话人确认效果。实验证明：传统的基于线性理论基础上的说话人识别特征提取方法，与基于非线性理论的KC复杂性特征基本无相关性，因此这两类特征如能相互结合，有着良好的互补特性，能够大幅度的提高系统性能。这说明新提出的说话人的KC复杂性特征是一个非常有用的传统线性特征的有效辅助特征。     

一种应用于人脸识别的核正交等度规映射算法

针对人脸识别中的特征提取,提出了一种新的核正交等度规映射(KOIsoP,kernel orthogonal isometric projection)人脸识别算法。首先用核方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,从而更好地提取人脸非线性流形结构信息。然后通过等度规映射做一线性映射得到基向量。最后正交化得到的基向量,使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本,以便获得更好的识别效果。ORL和PIE库上的人脸识别实验验证了算法的有效性。     

基于局部类相似的特征选择方法

常用的特征选择方法利用样本空间的整个区域提取最优的特征子集。与此相反,本文中提出一种新的局部特征选择方法,即样本空间的每个区域都与各自不同的最优特征集相关联,这些特征集能够最优地适应样本空间的局部变化。同时,在求解最优特征集对应的子空间时,基于最近邻思想,本文提出了一种度量测试数据与各个类相似性的方法,用来对测试样本进行分类。本文提出的方法可以描述为线性规划优化问题,因此可以通过简单的凸优化来求解全局最优解。在三组真实数据集和三个主流的方法上进行的对比实验结果证明了该算法的可行性和有效性。     

形态解调在齿轮故障特征提取中的应用

针对齿轮故障信号往往由于冲击的存在而产生调制现象的问题,提出采用形态学解调的方法提取齿轮故障特征.在分析不同形态学运算对信号处理结果影响的基础上,结合形态闭运算提取信号正脉冲的特点,采用闭运算对齿轮故障信号进行形态解调以提取故障特征.分析并比较不同长度扁平形结构元素对仿真与实际故障齿轮信号的解调效果,说明当采用长度为0.19～0.21倍的齿轮冲击周期的扁平形结构元素进行形态解调以提取故障特征时,可取得较好的效果.仿真与实例证明,形态解调方法不仅克服了包络解调需选择滤波参数的缺点,而且能够更有效地提取齿轮故障特征.     

基于Kinect的跌倒行为识别算法

根据人体跌倒时的骨架特征,提出了一种人体跌倒行为识别方法.首先,依据跌倒行为的定义,将人体的头部和重心节点作为表征跌倒行为的特征参数,通过Kinect传感器获取人体骨架信息; 其次,采用滑动窗口和阈值方法确定行为的发生阶段,并提取其运动特征向量; 最后,通过人工神经网络对本文提取的跌倒行为特征进行训练和识别.实验结果表明,本文提出的方法高效准确,识别率达到90.5%.     

基于关键点的时间序列模式表示

时间序列包含的数据量大、维数高、数据更新快,很难直接在原始时间序列上进行数据挖掘.借鉴时间序列线性分段的基本思想,提出了一种基于关键点的分段线性表示法,用关键点组成的直线段近似描述时间序列.将关键点作为时间序列的分割点,反映时间序列的主要特征,降低时间序列的维数,使整体误差达到最小.