自然冰雪晶粒子观测及形状分类研究进展

冰雪晶是云中水成物的重要组成部分,鉴于不同形状的冰雪晶形成及增长的物理条件、过程经历不同,为此准确判断观测冰雪晶粒子的形状是揭示云微物理结构和降水机制的重要依据。文中概述了近半个多世纪以来中外观测冰雪晶粒子的方式和手段。梳理了对冰雪晶粒子的测量和形状分类技术的发展历程。分析总结了冰雪晶观测及其形状分类识别技术的新进展,并对未来发展进行了展望。旨在促进和推动以冰雪晶形状为基础的中国云微物理结构与降水机制的深入研究。

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更优秀的识别力和分类性能。该研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。

基于等效椭圆和BP神经网络的马铃薯形状分类研究

根据国家马铃薯分级标准的要求,提出了一种基于区域的等效椭圆和BP神经网络相结合的马铃薯形状分类方法.首先运用等效椭圆来提取一组特征参数R和C,然后将这些特征参数输入到已训练好的BP神经网络完成对马铃薯的形状分类.结果表明:该方法选用的特征参数少,能较为有效的描述马铃薯的形状,分级结果准确率达94.7%,与人工分级的一致性高,能满足实际检测的要求.

基于形状分类的包围盒碰撞检测优化算法

由于现有的包围盒不能足够紧密地包围所有待检测的物体,剔除不相交物体的效果差导致了碰撞检测效率低。针对这个问题,提出一种基于形状分类的包围盒碰撞检测优化算法。算法根据每个物体的偏球率将它们进行分类,形状接近球体的,采用球包围盒;形状与球体偏离大的,采用OBB包围盒,这能够更加逼近真实的物体。同时,加入时空相关性和区域划分策略来优化遍历过程。实验结果表明,该算法缩短了相交测试的时间,提高了碰撞检测的效率。

二维粒子形状分类技术在云微物理特征分析中的应用

本文介绍了一种针对飞机粒子探测系统中云二维图像探头开发的二维粒子形状分类技术。该技术利用粒子形状几何参数特征把云粒子分为8种类型,分别为微小状、线形状、聚合状、霰状、球状、六角形状、不规则状和枝状。同时结合冰水质量关系,给出了探头液水含量和冰水含量的计算方法。最后应用该技术对2006年4月6日一次飞机探测获取的数据进行了云微物理结构分析,聚合状、霰状、六角形状、不规则状的总出现频率为78%,其中霰状粒子的出现频率随着温度的降低而增加。非降水云中的液水含量、液滴粒子浓度、冰晶浓度明显小于降水云,非降水云中液水含量的平均值为0.01 g m–3,冰水含量的平均值0.007 g m–3,冰晶粒子浓度的平均值为11.9 L–1。

基于图像边界特征的人体寄生虫虫卵形状分类算法研究

针对基于图像的寄生虫虫卵外形分类中存在的不足,提出了一种基于边缘空间分布直方图的寄生虫虫卵形状分类算法,即首先基于不同种类虫卵的边缘轮廓特征对被识别虫卵进行初步定位,在此基础上利用水平集方法进行边缘提取,进而利用傅立叶描述子实现形状分类。实验表明,该方法具有较好的识别率和运行效率。

改进阈值的冰晶粒子形状分类方法及其应用

基于历史航测数据,对Holroyd云粒子形状分类方法的阈值进行了改进,使得改进阈值后的Holroyd云粒子形状分类方法更适合机载云粒子成像仪(Cloud Imaging Probe,CIP)在我国华北地区所测冰晶粒子形状识别。将改进阈值后的方法应用于山西一次降水性层状云的飞机观测资料分析发现,此次降水性层云中无论在水平分布还是垂直分布上,出现频率在15%以上的冰晶粒子形状有4种,其中有3种较为固定,分别是霰、线形状和不规则状,另外一种形状则与具体的云内环境有关,垂直方向上不同温度区间内为枝状(−8~0℃)和微小状(−12~−8℃),不同高度的水平方向上则是枝状(5200 m)、微小状(5500 m)和板状(5800 m);云中冰晶粒子数浓度在水平和垂直方向上波动较大,最小值小于1 L^−1,最大值则大于20 L^−1,垂直方向上的最大值分别位于每层云中的下部;云中冰水含量值在水平方向和垂直方向上波动范围也很大,其在垂直方向上的云中最大值区域与冰晶粒子数浓度的最大值区域基本一致。

结构感知深度学习的三维形状分类方法

为了解决复杂、海量三维模型的形状识别问题,提出了一种结构感知深度学习的三维形状分类方法.通过联合学习三维模型的几何结构和空间结构,生成具有结构感知的特征向量表示,该特征向量具有更强的识别力与稳定性,在三维形状分类中取得显著的效果.首先,提取优化的多尺度热核特征,并通过CNN学习模型,有效地获取三维形状的几何结构特征;其次,建立多视图卷积学习网络提取三维形状的空间结构特征;最后,通过联合优化学习生成具有结构感知的深度特征表示.文中采用了C++,Matlab,TensorFlow框架实现,并在公开的三维数据库中进行了大量实验,实验结果表明,文中方法获取的深层结构特征对于复杂拓扑结构、大尺度几何形变的三维形状具有稳定性;与相关方法对比,在三维形状分类中具有更高的分类精度.

基于径向矢量的不变性形状分类方法

介绍一种利用径向矢量提取形状特征的方法，着重于分析二维图形的不变性，提出一种带有方向因子的径向矢量描述．该矢量以图形边界弧长为自变量，完整地刻画了图形特点，克服了非凸图形识别中存在的多义性．以归一化的特征矢量为输入，采用三层神经网络为分类器。

基于模糊推理的条形域形状分类

基于单义域邻接图的扫描图样矢量化,要生成具有较强整体性的条形域,包括线段、圆弧、箭头和多义线。它们的分类特征和分类知识均有模糊性,采用模糊推理进行分类。在分类时,以条形域较小和较大的直线度、圆形度和等宽度为模糊集合,以计算较少的升降半梯形为相应的隶属函数。这样分类符合人类认知方法,而且算法简单易于实现。

一种鲁棒的形状分类方法

为解决复杂形状图像的分类问题,提出一种新的形状图像分类方法。本方法将二维的形状图像转化为一维曲线来避免复杂费时的轮廓提取与跟踪算法,对一维曲线做傅立叶变换,提取鲁棒的具有旋转不变性的特征,利用这些特征采用支持向量机对形状图像分类。本算法得到的特征具有旋转伸缩平移不变性,对噪声,形状的局部变形和丢失及形状轮廓不封闭的情形比较鲁棒,适用于复杂形状图像分类。实验结果表明本方法的分类率,鲁棒性和运行速度优于通用傅立叶描述子。

基于概念的形状分类和识别

基于中文自然语言中的形状名词,提出了一种基于概念的形状分类方法,利用简单的形状描述参数进行二分类与利用复杂的形状参数进行模糊分类相结合的原则,实现形状分层分类。给出了17类基本形状的分类实验结果,表明该方法的可行性。

基于轮廓关键点集的形状分类

形状分析是计算机视觉领域的经典问题,目前已有大量关于形状分类问题的研究.但是,当处理大的非线性失真、特别是结构上或者关联上的失真时,许多形状分类方法往往无能为力.提出一种利用轮廓关键点集(contour critical point sets,CCPS)进行形状分类的新方法.轮廓关键点的特征用其inner-distance形状上下文(IDSC)表征.关键点的inner-distance形状上下文不仅表征形状的局部特征,也反映其全局特征,这种局部点的全局特征信息对遮挡、非线性失真等有良好的鲁棒性.巧妙地构造关键点的特征向量后,对形状轮廓关键点集、形状类、和全体形状样本建模,进行三级的贝叶斯分类.形状类模型使得可以利用同一类中的不同样本的不同关键点对输入形状进行识别.实验结果表明,这种基于视觉部分的全局特征,三级的贝叶斯分类方法对非线性失真、类内变异、结构变化、遮挡等具有良好的鲁棒性.文中的方法在Kimia形状数据库上达到100%的分类精度,并且分类所有108个测试形状仅需要8s,是目前已知最好的分类性能.在广泛使用的MPEG-7形状数据库上,也能达到满意的分类结果.

基于概念的形状分类与识别

基于内容的图像检索已经成为图像检索的一个重要研究方向。其中利用形状特征可以实现形状较为明显的各类图像库的检索。该文对图像形状特征的提取和描述方法进行了较深入地研究,选取其中一部分特征值,分别利用BP神经网络和支持向量机进行形状识别,取得令人满意的实验效果。

面状居民地形状分类的图卷积神经网络方法

形状识别和分类是地图制图综合的重要内容之一,面状居民地要素作为地理空间矢量数据的重要组成部分,其形状认知是制图综合的基础。本文针对当前几何和统计形状分类方法的不足,借助图卷积神经网络的图数据分类能力,提出了一种基于图卷积神经网络的面状居民地形状分类方法。该方法首先从面状居民地轮廓多边形入手,提取其轮廓的多个特征,获取形状的图表达;然后,利用图卷积神经网络对居民地形状信息进行多轮次提取和聚合,将形状信息嵌入一个高维向量中;最后利用全连接神经网络对高维形状向量进行分类。试验表明,该方法能够有效提取居民地形状信息,克服了传统分类方法人为设置指标的不足,实现了端到端的居民地形状信息提取与分类。

基于多元聚类分析的草莓形状分类算法

为尽可能地去除人为主观性对草莓分类结果的影响,简化形状分类算法,采用多元聚类分析对草莓进行分类。按一定顺序和位置在草莓轮廓上选取12条直线作为草莓形状的特征参数,对特征参数作归一化处理消除草莓大小对形状的影响;对特征参数进行多元聚类后,从聚类结果中每类选取一定数量的多维参数,作为该类草莓形状的标准特征参数;根据待分草莓的特征参数与各类标准特征参数距离的远近,将其分入相应的类中。选用不同形状的80个草莓进行试验验证,结果表明:草莓分类准确率达90%以上,每个草莓的平均处理时间≤1 s,满足实时分类处理要求。

基于块体形状分类的爆堆块度三维几何参数估算

爆堆图像分析法是统计爆破后矿岩块度分布的主要方法,针对图像分割后得到的岩块二维图形,研究了通过岩块二维投影几何参数估算岩块体积的方法。统计分析岩体中节理面倾向、倾角和间距的概率分布,通过Monte Carlo随机模拟三维节理面网络,建立节理面切割的矿岩原始块度三维模型,利用3组相互垂直的平面切割块度三维模型获取块体二维轮廓。对于不同的二维形状参数φ值区间,分析三维形状参数ε和κ的变化规律并建立其与φ的关系式。利用块体形状分类方法将块度三维模型分成6个块体集合,根据形状假设理论,由统计数据得出块体实际体积的对数和球形假设估算的块体体积的对数呈线性相关,应用回归分析推导出得到通过三维形状参数估算岩块体积的公式,通过实验对比,根据二维几何参数估算的块体体积和块度模型的块体实际体积的分布规律一致。

人耳曲面特征点提取与形状分类方法研究及应用

为了设计穿戴舒适和防滑落的耳机,采集和扫描了310位年龄为18~28岁中国年轻人耳印(男性169只,女性141只);集合曲面曲率理论,通过对Rhino Script的二次开发,完成耳甲腔复杂曲面5个特征点三维坐标的自动和准确提取;利用SPSS对耳甲腔10个特征距离统计分析,结果显示耳甲腔的形状及尺寸存在显著性差异,且男性特征距离的均值均大于女性;基于特征距离及特征点分布情况将耳甲腔的形状划分为27组,并计算出每一组针对耳机设计的耳甲腔基本形状;同时求得每一组人数占比,为耳机的人机工效学设计和生产提供了6组优先组;最终基于分类的结果对耳机进行设计、3D打印及穿戴试验,验证了该分类方法的可行性。

V带的断面形状分类

v带是传动胶带中的一大类，以断面呈等腰梯形而得名，从上世纪问世后发展很快，可大量替代机械的齿轮传动。V带被广泛应用于电动机、内燃机的动力传递。这是由于它在材质、结构和形状等方面不断改进，综合了大功率、高速度、小变形、长寿命和占用空间小等诸多优点。

融合全局和局部特征的建筑物形状智能分类方法

深度学习方法支持下的建筑物形状认知成为地图制图等领域研究的热点,利用深度学习的特征挖掘能力,可以提取形状的嵌入表示,支撑制图综合、空间查询等应用场景。本文以建筑物数据为例,构建了一种融合全局特征和图节点特征的建筑物形状分类的图谱卷积神经网络模型。首先,在建筑物加权图基础上分别以建筑物4个宏观形状特征、边界顶点的多阶局部和区域结构特征生成形状的融合描述;然后,利用图谱卷积神经网络提取多层次形状信息,通过融合不同层的图表示结果生成特征编码用于形状分类。试验结果表明,相较对比方法,本文方法能够更有效地区分不同建筑物的形状类别,且生成的特征编码具有良好的形状区分度。