自适应阈值的基础矩阵估计算法

针对RANSAC算法在估计基础矩阵过程中需要人为设定阈值的问题,该文提出一种自适应阈值的基础矩阵估计算法。该算法首先引入ORSA算法,计算内点集以及基础矩阵,随后将得到的内点集与基础矩阵作为最小中值算法的初始值做进一步加权优化,在保证基础矩阵估计精度的前提下得到更好的内点集。其中,利用ORSA算法估计时通过计算误匹配警报数(NFA)值评判估计精度,舍去了RANSAC算法中人为设定阈值的步骤;利用最小中值算法加权优化的过程中采用最小化误差中值的方式,避免人为设定阈值。实验结果显示,该算法在保证基础矩阵估计精度的同时,能够获得最佳的内点集,且具有一定的抗噪声能力。     

步态特征提取的K均值聚类自适应判别

针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。     

一种高分影像建筑区分块表示与合并提取方法

建筑区是一种重要的人工地理要素,利用高分辨率卫星影像可以在更精细的尺度上获取建筑区信息。针对建筑区这类结构复杂、面积相对较大的地物类,提出一种分块表示与合并提取方法。首先,通过角点上下文约束来划分图像,并将获得的图像块作为影像处理的基本单元;然后,利用空间变异函数来建模每个图像块并提取特征描述参数,进一步通过主成分变换实现建筑区图像块的结构特征表示;最后,根据图像块空间结构特征的相似性实现建筑区的判别。实验结果表明,该方法能够有效实现高分影像建筑区的提取,并且对不同分辨率的高分影像表现出良好的适应性。     

复杂矿体模型多域自适应网格剖分方法

针对轮廓线拼接法在复杂矿体建模时无法处理多域邻接特征的问题,应用Delaunay细分方法实现了一种适用于多域复杂矿体的网络剖分方法,不仅可以生成多域表面模型,还可以同时对不同域的矿体进行网格剖分,便于后期进行多域复杂矿体的有限元模拟。该方法通过约束Delaunay三角剖分来近似域和曲面,以及在Delaunay细分中确保对域的近似精度和对单元的网格质量。在约束Delaunay三角剖分的基础上,通过多标签算法对子域进行封装,并对中间域进行分离或通过距离场对中间域进行拟合,修改多域多面体的预测构造方法,实现了对多域多面体的自适应网格剖分方法。对河北省北洺河铁矿复杂矿体建模的试验结果表明,该方法除了可以生成无缝、连续的多域模型之外,通过网格优化还可以生成高质量的四面体和三角网格,避免轮廓线拼接法大量退化和奇异三角形的存在。同时该方法在逆向工程、有限元分析、科学计算可视化等领域中也都具有重要的应用价值。     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

基于拓扑关系的面状地形要素提取方法

针对地形要素提取工作量大的问题,提出一种基于空间拓扑关系的面状地形要素自动提取方法。通过对比分析AutoCAD数据与GIS数据的差异,对地形要素提取中的关键问题进行了分析;运用多要素组合拓扑构面的方法完成图形的快速构建,利用独立符号或文字注记与图形的包含关系完成图形的检查,建立图形与分类编码的映射关系实现分类信息的自动识别。实验表明,该方法对于面状地形要素的提取快速、准确,目前已在多个港区的空间数据建库中得到验证,提高了数据生产的工作效率。     

基于历史影像的水网提取方法研究

以60年代宁波平原地区的锁眼卫星为数据源,提出一种基于PS图像处理方法来实现河网的提取,并与阈值法、监督分类法和决策树法进行对比分析。结果表明,传统的阈值法和监督分类方法对于单波段高分辨率遥感影像的提取能力十分有限,决策树方法和基于PS图像处理法取得的面状数据整体精度在70%以上,线状数据整体精度在60%以上。在提取水面信息的能力上,决策树方法的正确率较高,但图斑较为破碎,水网连接度保留不完整;基于PS图像处理法受建筑阴影干扰较大,但水体提取完整度较高,水网连接度保留效果较好。