基于同名点量测值的影像匹配

本文描述了一种关系，它使我们能够确定某一张像片上一个三维目标影像是否与另一张像片上一个目标的影像相匹配。这种影像匹配算法要求在两张像片上有９个同名像点的量测值，它仅依赖于像点坐标，而无需知道物方空间坐标或两摄影机的内外方位元素。该关系可以用于变化检测或分类，而且，当两张像片的透视中心存在较大差异时，这种方法特别有用。该研究的副产品是“核线方程”，它在影像的自动搜索和相关算法中很有用处。     

计算机视觉中基于多照片的同名点自动匹配

对多张图像上同名点的自动匹配算法进行了分析,提出了利用多张图像上的核线约束来实现同名点的匹配.首先,计算出一个待匹配点在另外两张图像中的核线,在核线附近确定出概略匹配点.然后,再次利用核线约束特性在确定的概略匹配点之间确定出唯一的匹配点.最后,用该方法对多张图像间的同名点进行了匹配试验,实验结果表明,该方法效果良好,具有较好的实用价值.     

计算机视觉中基于多照片的同名点自动匹配

对多张图像上同名点的自动匹配算法进行了分析,提出了利用多张图像上的核线约束来实现同名点的匹配。首先,计算出一个待匹配点在另外两张图像中的核线,在核线附近确定出概略匹配点。然后,再次利用核线约束特性在确定的概略匹配点之间确定出唯一的匹配点。最后,用该方法对多张图像间的同名点进行了匹配试验,实验结果表明,该方法效果良好,具有较好的实用价值。     

结合同名点及核线约束的近景影像直线匹配

针对影像间尺度变化、直线提取断裂、直线邻域纹理断裂引起的近景影像直线匹配难题,该文提出一种结合同名点及核线约束的近景影像直线匹配算法。该算法在已有同名点和直线提取结果的基础上,首先确定目标直线两侧离目标直线距离最近的同名点,利用其在右影像上对应的同名点连线得到的虚拟直线为基准构建矩形候选区;其次,分别计算左、右影像上同名点连线得到的虚拟直线与待匹配直线的夹角,根据两角度差值进一步对候选直线进行筛选;然后,利用核线约束计算目标直线和候选直线的重叠部分,并以此为中心构建直线支撑域,统一两支撑域窗口尺寸,根据窗口灰度相关确定同名直线;最后,采用距离约束对匹配结果进行检核完成直线匹配。选取具有不同几何变换的三组近景影像进行直线匹配实验,结果表明该文方法能获得可靠的直线匹配结果。     

一种基于动态正方形的TIN构建算法

分析了不规则三角网的构网算法,提出了一种基于动态正方形的方式改进算法,实现了快速构网,用试验数据对算法进行了测试。     

一种基于动态正方形的TIN的构建算法

为了提高不规则三角网的构网效率,提出了一种改进算法,该算法执行效率高,构网速度快,实现较简单,并用VC 6.0编程语言对算法进行实现,最后用实验数据对算法进行了测试.     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

基于搜索范围动态确定TIN的一种构建算法

为了提高不规则三角网的构网效率,提出一种改进算法,该算法执行效率高,构网速度快,实现较简单,并用VC 6.0编程语言对算法进行实现,最后用实验数据对算法进行了测试。     

同名点及高程平面约束的航空影像直线匹配算法

针对直线匹配的难点问题及匹配约束的有效性,提出了同名点及高程平面约束的航空影像直线匹配算法。该算法在边缘点匹配结果和直线提取结果的基础上,首先利用直线邻域内的同名点确定候选直线及直线投影平面的高程值,再结合物方和像方相似性约束确定同名直线;然后根据直线索引对"一配多"的匹配结果进行整合,并对结果中的多直线进行合并,得到"一对一"的同名直线;最后利用"像方-物方-像方"的映射模式确定同名直线的同名端点。论文选取典型纹理特征的航空影像进行直线匹配试验,结果表明,本文算法能获得可靠的直线匹配结果。     

TIN建立及其向GRID转换优化算法

由于直接利用大区域等高线矢量数据建立不规则三角网（ＴＩＮ） 的复杂性, 目前还没有一个很有效算法。文中论述了利用大数据量等高线离散点集建立Ｄｅｌａｕｎａｙ 三角网的方法, 提出并实现了一种由ＴＩＮ 向ＧＲＩＤ 转化优化算法, 最后通过实验证明其正确性和有效性。     

一种Delaunay三角网的快速生成算法

本文以Lawson提出的逐点插入法为基础，借鉴方向搜索的思想，在确定插入点的影响凸包时，采用递归的局部搜索策略，形成了一种Delaunay三角网的快速生成算法。实验证明，新算法构网时间与点数基本成线性增长关系，具有较高的效率。     

一种基于Delaunay三角网的栅格线划矢量化方法

提出了一种基于Delaunay三角网的栅格线划矢量化方法。通过运用Delaunay三角网对栅格线划要素进行空间剖分,并根据单个Delaunay三角形的形状特征,提取线划要素骨架线。以栅格地图预处理、线划要素实体识别、线划要素边缘点集生成、线划要素边缘点集Delaunay三角网生成,以及基于Delaunay三角形公共边中点追踪的线划要素骨架线提取为技术路线,详细介绍栅格线划矢量化的具体实现过程,并进行若干实验,以验证方法的准确性与时效性。     

Delaunay三角化中特征约束细分嵌入算法

在Delaunay三角化中,以在特征约束上插入附加点的方式对特征约束细分,可使剖分网格在表达特征约束的同时仍满足Delaunay三角网格特性。本文提出了一种改进的细分嵌入算法——端点外接圆法(ETCM),该算法具有线性时间复杂度。以剖分结果的稳定性、附加点个数、运算耗时和网格质量为评价标准,对ETCM和现有的细分嵌入算法进行了评估。实验结果表明,在运算耗时方面,ETCM受数据分布的影响最小,且耗时最少;在其他方面,与现有算法的最好表现持平。     

基于Delaunay三角网表达的图像分割

由于图像的复杂性和模糊性进一步增强,传统的图像分割算法已经无法满足其对分割精度的要求。为了进一步提高图像分割的精度,本文提出了一种结合SIFT特征提取与Delaunay三角网表达的图像分割方法,该方法可以有效削弱噪声对图像分割结果的影响,与传统去噪滤波相比,平滑过程中模糊图像边缘的程度比较低,同时,运用超像素思想,将传统基于像素单元的分割方法运用到超像素上,对被三角网划分的子区域进行聚类,最后得出分割结果。与传统算法相比,本文算法在分割精度方面有显著提高。     

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

Delaunay三角网建立的改进算法

本文深入研究了Delaunay三角网建立算法中的逐点插入法,详细介绍了算法的实现步骤,分析了其中影响算法效率的关键环节,并采用数据点集分块管理、三角形快速定位、改变点插入顺序等方法进行了算法优化,对三角形快速定位方法进行了改进。测试实验的结果说明,算法改进后Delaunay三角网建立的效率提高了4~6倍。     

基于Delaunay三角网的等高线树生成方法

研究如何利用Delaunay三角网构建等高线树,提出一种新的等高线树生成方法。该方法充分利用Delaunay三角网在领域分析中的优势,通过两次利用Delaunay三角网来判明等高线的空间关系进而达到统一被图廓截断的等高线以生成等高线树的目的。本文将等高线作为约束边构建约束型Delaunay三角网,利用Delaunay三角网查找具有邻接关系的等高线,在此基础上结合邻近等高线的高程关系判明、识别,最终统一被截断的等高线;然后对统一后的等高线再次利用Delaunay三角网查找具有邻接关系的等高线对,利用等高线对的高程关系判断出其为父子关系或兄弟关系,据此将等高线插入到相应的位置,逐步生长成等高线树。同时给出了基于Delaunay三角网的等高线树生成方法的算法设计及试验结果。     

基于约束Delaunay三角网建立等高线层次结构的方法

分析了以等高线、高程点和地形突变线为基础建立的约束Delaunay三角网(Delaunay triangulation,DT)的特征,为了识别这些约束目标之间的邻近关系,对约束DT的边进行了详细分类,并按照相关的规则提出了构建等高线层次结构的方法。在此层次结构的基础上,研究了调整等高线走向的方法。     

基于格网划分的海量数据Delaunay三角剖分

提出基于格网划分、面向海量数据的Delaunay三角剖分方法,它首先把数据集划分为若干格网块,按照格网划分的逆序对每个格网块采用基于自适应格网划分的分割-合并算法进行Delaunav三角剖分,把格网块Delaunay三角网中不受边界影响的三角形进行存储并释放内存,然后顺序合并相邻格网块Delaunav三角网,形成全局或类全局Delaunay三角网.该方法对计算机硬件配置要求较低,适合于并行处理,可以实现面向海量数据的Delaunay三角剖分.     

基于三角网的"种子法"多边形生成

将传统上广泛使用的“种子法”和“矢量求交法”的思想相结合 ,提出了一种基于约束Delaunay三角网结构的多边形生成算法。详细描述了该方法的基本思想 ,在实验基础上分析了算法的特点。