Quadratic curve and surface fitting via squared distance minimization

Quadratic curve and surface fitting to a set of data points are fundamental problems in reverse engineering and many other application areas. We develop the fitting methods for quadratic curves and surfaces based on the squared distance minimization technology. The basic idea of squared distance minimization for curve and surface fitting is first presented. Then we devise the corresponding squared distance term for each quadratic curve and surface, and minimize it to obtain its parameters. We repeat the squared distance minimization and update the parameters of the quadratic curve and surface by iterations until convergency. Consequently, the final fitting result is achieved. Experimental results demonstrate the effectiveness of the fitting method.     

Hyper least squares fitting of circles and ellipses

This work extends the circle fitting method of Rangarajan and Kanatani (2009) to accommodate ellipse fitting. Our method, which we call HyperLS, relies on algebraic distance minimization with a carefully chosen scale normalization. The normalization is derived using a rigorous error analysis of least squares (LS) estimators so that statistical bias is eliminated up to second order noise terms. Numerical evidence suggests that the proposed HyperLS estimator is far superior to the standard LS and is slightly better than the Taubin estimator. Although suboptimal in comparison to maximum likelihood (ML), our HyperLS does not require iterations. Hence, it does not suffer from convergence issues due to poor initialization, which is inherent in ML estimators. In this sense, the proposed HyperLS is a perfect candidate for initializing the ML iterations.     

一种带噪声的密集三角网格细分曲面拟合算法

实现了一个从带噪声的密集三角形拟合出带尖锐特征的细分曲面拟合系统.该系统包括了一种改进的基于图像双边滤波器的网格噪声去除方法,模型的尖锐特征提取以及保持尖锐特征的网格简化和拓扑优化.为了处理局部细节特征和模型数据量问题,提出了自适应细分方法,并将根据给定精度估计最少细分深度引入到细分曲面拟合系统中,使得拟合得到的细分曲面模型具有良好的细节特征和数据量小等特点.大量3D模型实验结果和实际工程应用结果表明了该细分曲面拟合系统的有效性.     

正交距离椭圆拟合法的推广及其实现

同心椭圆弧的拟合问题存在于计算机视觉、天文图像处理、CAD等领域。将椭圆的正交几何距离拟合算法推广到多个同心椭圆弧拟合上,提出一种同心椭圆弧拟合的处理方法。文中还给出了该方法实现的具体步骤和伪代码,该方法将单一圆、椭圆的拟合以及多个同心圆和椭圆的拟合统一了起来。实验表明该方法稳定、有效。     

NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.     

边缘识别的二维正交多项式拟合及结构变形检测

数字图像中边缘附近的灰度是沿边缘方向和跨边缘方向二维变化的,以前边缘识别的多项式拟合大多采用跨边缘方向的一维拟合。介绍一种采用二维正交多项式进行边缘识别的新方法,由于二维拟合更符合边缘附近小区域内像素灰度二维变化的实际,因此拟合结果优于一维拟合。在进行拟合时,利用正交多项式的正交性将优化方程对角化,避免求逆或解方程,没有多项式拟合优化方程的病态问题,采用高阶多项式拟合可以提高拟合精度。对生成图像的边缘识别结果表明,二维正交多项式拟合识别边缘的精度和稳定性较好。简支梁模型试验表明,采用正交多项式边缘拟合方法检测梁的静变形,图像变形检测精度在0.1像素之内,适当选择图像采集设备和采集范围,点检测精度与传统检测方法的精度相当,边缘检测属线状高密度检测,检测范围远大于传统方法。     

基于自适应遗传算法的B样条曲线拟合的参数优化

在B样条曲线的最小二乘拟合平面有序数据问题中,经常采用遗传算法进行优化。但随机选取初始种群的遗传算法,容易使得结果陷入局部最优。要达到较高的拟合精度,则需要增加更多的控制顶点。为克服这一缺点,提出了一种自适应的遗传算法对B样条曲线的参数优化。用平均有序数据参数法,将数据参数和节点建立关联,极大提高初始种群的平均适应度;通过优化遗传策略,加快种群进化。实验表明,该算法能用最少的控制顶点和进化代数进行B样条曲线的拟合,得到的拟合曲线逼近效果更好。     

基于遗传算法的B样条曲线拟合改进算法

B样条曲线拟合应用于绘制离散数据点的变化趋势,一般采用数据逼近或者迭代的方法得到,是图像处理和逆向工程中的重要内容。针对待拟合曲线存在多峰值、尖点、间断等问题,提出一种基于遗传算法的B样条曲线拟合算法。首先利用惩罚函数将带约束的曲线优化问题转换为无约束问题,然后利用改进的遗传算法来选择合适的适应度函数,再结合模拟退火算法自适应调整节点的数量和位置,在寻优的过程中找到最优的节点向量,持续迭代直到产生最终的优良重建曲线为止。实验结果表明,该算法有效地提高了精度并加快了收敛速度。     

双同心椭圆弧的几何拟合方法

提出一种带有同心条件的双椭圆弧拟合方法。该方法利用椭圆几何定义得到的残差来衡量误差,建立关于误差的最小二乘方程,进而采用迭代方法求出描述双椭圆弧的8个参数。算法仿真实验研究了椭圆弧度、长短轴比率以及样本噪声对算法的影响,研究表明弧度越大、长短轴比率较接近1.1、样本噪声较小的时候,算法较稳定、准确。该方法也可以扩展处理多个同心椭圆弧的拟合问题。     

基于最小二乘的正交距离拟合方法研究

对点云进行拟合以获得信息模型是许多工程应用领域的一个核心问题,其目的是根据设计模型和规范的要求,高精度地对三维部件、工件进行检查、检核。在最小二乘原理的基础上,阐述了一种新的拟合方法--几何正交距离拟合,运用这种方法的算法处理标准几何体测量数据,并与一般代数拟合方法处理结果进行比较,分析了同一几何体运用不同方法对拟合结果的影响。得出在测量点误差较大的情况下和进行曲线曲面拟合时,几何正交距离拟合方法优于一般代数拟合方法。     

A new approach to detect and study spatial-temporal intracranial EEG frames

Studies on electroencephalography have revealed pointers for repetitive phase transitions in neocortex at frame rates in the theta and alpha bands. Phase transitions are the first step for frame emergence. Within the frame, brain activity is synchronized and amplitude and phase modulation pattern materialize. The phase patterns have radial symmetry resembling a cone. Cone fitting has been used to detect and study frames in different brain states, including task, awake, sleep and transition into epileptic seizure, revealing signs of disorganization before the seizure episode started. In this paper a new methodology to detect frames is presented. It is faster than the cone fitting previously used to study frames. The results are compared with frames obtained from cone fitting in awake, task, sleep and seizure states. The frames detected by cone fitting and the new method showed high levels of coincidence in time. The disorganization signs observed between pre-ictal period and normal brain state were also observed in the frames detected with the new method. Finally amplitude modulation patterns related to the different behavioral states were clearly distinguishable using the new method frames as time markers for pattern extraction.     

用最小二乘正交距离方法拟合双同心椭圆弧 *

提出一种带有同心条件的双椭圆弧拟合方法。该方法利用给定点到拟合椭圆弧的正交距离来衡量误差,建立关于误差的最小二乘方程 ,进而采用迭代方法求出描述双椭圆弧的八个参数。算法仿真实验研究了椭圆弧度、长短轴比率以及样本噪声对算法的影响 ,研究表明弧度越大、长短轴长度越接近、样本噪声越小 ,算法越稳定 ,参数估计越准确。该方法也可以推广应用于处理多个同心椭圆弧的拟合问题。     

一种改善压力传感器曲线拟合特性的方法

压力传感器的输出特性受温度影响很大,把任意温度下传感器的特性都标定出来是不可能的,可以用数据拟合的方法在已测定温度特性曲线的基础上得到所需温度的压力传感器输出特性。本文提出一种采用分段拟合的方法对压力传感器数据进行拟合,通过在实际中的应用证明,这种方法可以显著提高拟合数据的精确性和简便性。     

基于安德森加速的快速 B 样条拟合算法

曲线拟合技术已被广泛地应用于图像处理、工程实验等领域。其中,B 样条曲线拟 合是曲线拟合中最常见的方法,它具有局部性好、连续性好等优点,但拟合精度一般较低。在实 际应用中,B 样条曲线拟合对于精度和速度的要求都较高。为了提升平面 B 样条曲线拟合速度, 将安德森加速的想法应用到曲线拟合的方法之中,提出一种基于安德森加速的拟牛顿方法。首先 设定一个初始形状,然后根据初始形状找到其每个数据点的投影点的位置参数,然后利用安德森 加速计算出控制点的相应位置,迭代进行以上 2 步,直到结果收敛。实验结果表明,该方法在收 敛速度和迭代时间上均优于其他方法。     

传感器非线性的一种拟合方法

介绍了非线性传感器的一种曲线拟合方法。通过对某霍尔位移传感器位移、电压值的多项式拟合曲线的特点进行分析,发现该传感器曲线具有抛物线的特点,所以采用含开方项的多项式拟合。最后对所得曲线的各参数用逼近法进一步优化,得到比普通多项式拟合更实用的、偏差更小的拟合曲线。这种处理数据的方法对于求具备开方特性的传感器拟合曲线有一定的借鉴意义。     

基于BP神经网络的天平校准数据处理方法研究

针对天平校准公式拟合法方,提出了基于BP神经网络的公式拟合方法。分析了典型的3层BP神经网络的结构,论述了其应用于天平公式拟合的可行性。讨论了常规多项式公式拟合方法以及BP神经网络的公式拟合方法,并给出了BP神经网络的训练过程和使用方法。最后通过一组天平校准数据对BP神经网络进行训练,并给出拟合结果。     

最小二乘法分段直线拟合

曲线拟合是图像分析中非常重要的描述符号。最常用的曲线拟合方法是最小二乘法,然而一般的最小二乘法有一定的局限性,已经有不少学者对其进行了一些改进。进一步对最小二乘法进行改进,提出一种新的分段直线拟合算法来代替多项式曲线拟合,以达到简化数学模型的建立和减少计算的目的,使其能够更好地对点序列进行拟合。     

边缘识别的多项式滑动拟合法

介绍了一种数字图像边缘识别的滑动拟合法,采用多项式函数对跨边缘的像素序列进行分段滑动拟合。将分段拟合法与不分段拟合进行比较,结果显示,即使采用低阶多项式分段拟合,效果仍然优于高阶多项式不分段拟合。滑动拟合法为边缘识别的研究提供了一种新的思路。     

基于几何距离准则的新数据拟合方法

基于最小二乘法准则的传统数据拟合方法对自变量为随机变量的向量数据拟合效果不理想。有鉴于此,本文提出几何距离平方和最小的新数据拟合标准,给出基于新标准下的新数据拟合方法,同时给出数据拟合参数求解的优化算法。仿真实验表明,在用于自变量为随机变量的向量数据拟合时,用新数据拟合方法的拟合精度比用最小二乘法的拟合精度要高。     

遗传规划在符号回归中的应用

遗传规划(GP)是一种基于达尔文进化理论的数学规划方法。讨论了GP在符号回归中的应用。与传统的数据拟合方法相比,GP不必给出拟合函数的形式,同时,在初始群体足够大而且交叉和变异概率设置合理的情况下,不会陷入局部优化,具有更广泛的适用性。对于不给定函数形式的曲线拟合,GP可以自动得到曲线的函数形式及其参数大小,避免了传统方法的缺陷。通过具体的应用实例,说明了GP在测量数据处理中的应用。