基于最小二乘密度聚类的城市点云去噪算法

点云作为一种简便的三维表达方式,已经被大量应用在城市三维数字化中,但是城市对象的复杂多变,导致城市点云相较于其他场景点云,其较为复杂,去噪难度更高,去噪精度要求更高。为了解决城市点云的去噪问题,本文从高维特征密度空间出发,采用最小二乘密度聚类约束,遵循标准阈值原则设计了一种新的算法。本算法先构建高维特征密度空间,再用最小二乘算法求解各维度密度拟合曲线,最后根据标准阈值原则提取各维度合限点集的交集,即为目标点集。实验表明:本文算法针对城市场景中的点云具有较高的精度与较好的剔除效果,满足城市点云去噪任务的要求,达到了预期的效果。

结合统计滤波与密度聚类的矿山地面点云提取算法

为了有效提取地面点云并提高运算效率,提出了一种结合统计滤波与密度聚类的矿山地面点云提取算法。首先,基于高效的KD-tree索引算法与统计特征思想进行统计特征的改进,并分析非地面点的空间分布特性;其次,结合二维特征密度空间的分布特性对密度空间进行聚类并分别提取地面点;最后,对各密度空间的提取结果进行求交,即可得到有效地面点。该方法的算法复杂度为o(n^2)。实验表明:该算法具有较高的提取精度和效率;经测试,当近邻点为36时效果最好,总误差为0.00770,均方差为0.019633;同时,对510519个点的提取时间少于27s,约为传统方法耗时的1/7。此外选择了大面积矿山点云对该算法的普适性进行了验证。

结合信息熵与低秩张量分析的金属零件破损检测

针对当前金属零件破损处识别研究中自动化程度和识别精度较低等问题,提出一种结合信息熵与低秩张量的金属破损处检测算法。首先,运用差值法、中值滤波和傅里叶滤波等方法对图像进行去噪处理;其次,根据金属零件破损处与其邻域明显的差异性,采用信息熵边缘检测法获取边缘信息;最后,运用低秩张量分析差熵和权差熵矩阵以提取破损处,并与其他算法的结果进行对比分析。实验结果表明,本文算法能够有效并快速地识别金属破损处,检测结果噪声点较少,且该算法的有效精度高于80%,优于传统算法且具有较好的稳健性。

混合Gamma分布的LJ1-01夜间灯光去噪算法——以沪宁杭都市圈为例

为了将人类活动引起的有效光点与非人类活动引起的噪声点区分开来、提高特征目标提取和分析中的提取精度,该文提出了一种混合卡方分布算法对LJ1-01夜光数据进行去噪。由于LJ1-01数据符合卡方分布,但单卡方拟合精度较低,因此使用多个卡方的叠加来表示LJ1-01数据和噪声子集,并基于最小二乘原理,结合有效统计灯光值构造间接平差方程,求解各叠加态的比例;然后,基于比例构建具有高拟合精度的连续概率密度曲线;最后,构建了丰度函数,并以原始图像中不同噪声子集的权重中心的偏移量去除噪声。为了验证算法的通用性和稳定性,选择不同的噪声子集并与正态分布算法对比,实验结果表明该文算法对噪声去除效果较好。