一种改进的基于Facet模型的亚体素表面检测算法

在基于CT的工业应用中,常常需要从CT切片序列获得实体的3D高精度表面信息。介绍了一种基于Facet模型的亚体素表面检测算法,并针对其计算效率低的问题,给出了一种3DFacet模型的加速算法。该改进算法将Facet模型的三维卷积核分解为3个一维卷积核,使算法复杂度从O(m3)降低到O(3m),并采用增量算法解决了由此产生的存储空间问题。通过对仿真图像的实验,验证了该算法的效率和精度,表明该算法在保持原始算法精度的同时,处理速度提高了约两倍。

基于3-D Facet模型的亚体素边缘检测算法研究

在产品的虚拟测量中,需要获得产品内外表面的3D高精度轮廓信息。本文首先介绍了一种直接从CT切片序列获得表面点的方法,通过3DFacet模型计算方向导数并根据沿梯度方向的二阶导数零点获得边缘点的亚体级精确位置。该方法可以检测到法向垂直于切片的表面,并且由于考虑了待检测切片相邻层的信息,与仅考虑单层信息的2D亚像素边缘检测方法相比,它抗噪能力更强、精度更高。其次,本文提出了一种改进方法,通过缩减候选像素的预处理,在很大程度上提高了原始算法的处理速度。最后将改进算法应用到航空发动机叶片仿真模型的检测中,结果表明本算法检测精度可达0.1个像素左右,速度较原始算法提高约10倍。

基于尺度空间技术的归一化Facet模型位场边界识别

边界识别是位场数据处理解释中的重要环节,传统边界识别方法通常不能均衡深、浅部地质体边界.基于尺度空间技术和归一化的Facet模型检测算子,本文开发了一种带通空间滤波和边缘检测相结合的边界识别方法,有效地提高位场数据边界识别的精度和可靠性.为了验证本文算法的有效性和稳定性,分析了不同尺度空间函数和检测算子对算法的影响,并且对比了传统边界识别方法的效果.理论模拟和实际数据分析表明,利用位场垂向二阶导数进行的基于尺度空间技术的归一化Facet模型边界识别方法不仅算法的稳定性强,而且可以避免高阶导数对噪声干扰放大作用,同时均衡深部和浅部地质体边界,从而可以更精确地识别地质体的形态.

基于小波定位及Facet模型的三维工业CT图像边缘检测

进行三维图像边缘检测时,利用Facet模型能够获得较精确的边缘信息,但耗时较多;而利用小波变换可获得较快的检测速度,但得到的边缘依赖于阈值的大小。综合上述两种方法的特点,提出了一种基于小波定位及Facet模型的三维边缘检测方法。首先,对工业CT三维图像进行三维小波变换,设定较小阈值,得到三维粗边缘,即对图像边缘进行粗定位;然后,针对粗边缘点逐个进行三维Facet拟合,得到实际边缘点,从而完成图像边缘的精确定位。该方法通过小波变换粗定位这一前处理过程减少了Facet拟合的体素点数,加快了Facet模型三维边缘检测的速度。实验结果显示,本文方法不仅能得到与直接Facet模型效果相当的边缘,还能使Facet模型三维边缘检测的速度提高3.51～7.39倍,而且图像边缘越简单加速比越高。实验结果表明,基于小波定位和Facet模型的边缘检测方法可满足工业CT三维图像边缘检测对精度和速度的要求。

改进的基于Facet模型的亚像素边缘检测

在图像测量等工程应用中,需要获得目标的高精度图像边缘信息.本文首先介绍了一种基于Facet模型的亚像素边缘检测算法,该方法具有抗噪能力强,定位精度高等优点,但是计算复杂度太高.针对此缺点,本文研究了一种改进算法,将其与Mallat的小波变换模极大算法有效的结合,不仅处理速度提高了10倍左右,而且所提取的边缘效果也有所改善.实验结果表明,本文的方法不仅能获得高精度的边缘信息,抗噪能力强,而且处理速度快.

基于Facet模型的闪光图像边缘检测

针对闪光图像的特点,对经典边缘检测算子进行了分析,发现存在检测出的边缘粗和对噪声的干扰比较敏感的缺点,提出了一种基于Facet模型的爆轰实验图像边缘检测算法。该方法吸取了其它同类方法的优点,引进了正交基简化了运算,用离散正交多项式对图像每个像素的邻域作最佳曲面拟合,在此基础上使用整体梯度算子寻求二阶方向导数的零交叉点,最终提取边缘点。结果表明:该方法检测出的边缘细,并且光滑连续,对图像噪声干扰有较强的抑制能力,对于孤立的边缘能够给出较精确的定位。

采用3D Gaussian Facet模型的亚体素表面检测

提出一种基于Gaussian facet模型的3D边缘检测算法.首先利用Gaussian加权最小二乘拟合,引入空间权因子表达图像采样点对模型参数估计的相对重要度,扩展了经典Haralick facet模型,建立了3D Gaussian facet模型及其计算公式;然后采用抗噪性好的3DIDDG算子估计梯度方向,并在该梯度方向上计算二阶方向导数过零点,以获得表面点亚体素位置.实验结果表明,该算法能有效地降低邻近边缘干涉对检测结果的影响,可更好地提取尺寸较小的结构边缘.

对基于facet模型的表面检测的加速技术研究

针对基于facet模型的亚体素表面检测算法计算量大的问题,提出将3维facet模型的可分滤波器递归算法与感兴趣区域加速策略相结合的加速方案。可分滤波器递归算法通过在离散正交基下将3维卷积转换为3个1维卷积并使1维卷积递归执行,使计算量与卷积核大小无关,大大节省了计算时间。采用增量算法解决了可分滤波器递归算法内存耗费量大的问题。感兴趣区域加速策略采用图像分割后提取目标的分段包围盒作为有效区域,从而大幅缩减待处理数据量。实验结果表明本文加速方案在保持原始算法精度的同时,能取得很好的加速效果。

基于Zernike-Facet模型和总体最小二乘的弱小目标检测

弱小目标一般是图像局部区域的极值点。针对这个特点,依据二元三次函数的极值理论,该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型,即Zernike-facet模型,模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合,然后在拟合曲面上提取极值点作为目标候选点。仿真表明,新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。

基于Facet模型的边缘检测算法

使用CCD的影像测量系统进行精加工零件尺寸检测时,零件轮廓边缘的定位精度和处理速度是优先考虑的2个问题。该文介绍了一种基于Facet模型的综合梯度边缘检测算法,并针对其边缘定位精度低和执行效率低的问题,给出一种提高边缘定位精度的算法和加速计算Facet模型的算法。该改进算法使用动态阈值定位边缘以提高边缘定位精度,同时将Facet模型的二维卷积分解为2个一维卷积核,使算法的复杂度从()Oi2降低到O(2i)。通过对理想影像和实际工件影像的边缘检测,说明该算法在影像测量中可以有效抑制工件影像的噪声,获得较好的边界特征,且执行效率较高。

基于Facet模型产生多分辨率图象锥

提出了一种产生多分辨率图象锥的新方法。它基于Ｆａｃｅｔ模型在最小二乘法的准则下，把图象的灰度函数用二维平面拟合，达到直接在二维空间滤波的目的，而不同于以往的先在一维空间产生滤波器，再去近似二维空间滤波器的方法。实验结果表明，该方法比现有的其它产生多分辨率图象锥的方法具有信息能量损失小的优点。

CT图像的分形特征和Facet边缘检测

Facet模型能够获得准确的图像边缘信息,但运用Facet模型对目标进行分割时,时间复杂度比较高。针对该问题,从CT图像目标特征的角度,将分形维数特征引入Facet模型。首先利用图像边缘分形维数较大的特点,获得大致的边缘候选点,然后对边缘候选点集运用Facet模型进行分割,得到边缘点的准确位置。实验结果表明,该方法不仅能获得准确的边缘,而且提高了处理速度。

基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于Facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。

综合CV和Facet模型的裂纹边缘检测

CV模型能检测到连续封闭的裂纹边缘,但边缘的定位精度不高,Facet模型定位裂纹边缘的精度高,但不连续。针对上述问题,研究了一种综合CV和Facet模型的算法。该算法利用CV模型进行边缘检测,在CV边缘点的附近运用Facet模型进行检测,将两种方法分别获得的边缘点进行融合得到连续封闭且定位准确的边缘。将该算法应用于工业CT图像的裂纹边缘检测中,实验结果表明该方法是有效的。

基于Facet模型及组合式假人对汽车-摩托车碰撞事故的仿真

为了更好的解决汽车-摩托车碰撞事故的仿真再现问题,一种新的仿真模型及方法被提出。该方法采用Facet模型建立事故汽车及摩托车的三维模型,采用组合式假人模型建立骑车人的三维模型。由Photomodeler软件得出碰撞初始条件,并利用Madymo软件对事故碰撞过程进行直观的三维仿真再现。针对一起实际的轿车与摩托车碰撞事故,采用上述仿真模型及方法进行事故模拟。仿真结果与实际事故情况可以较好吻合,人体损伤数据与法医鉴定结果可以较好吻合,从而验证了此种仿真模型及方法的可行性及有效性。

一种基于Facet模型的SAR图像特征点检测算法

针对SAR图像特征点匹配问题,提出了一种基于Facet模型的特征点检测方法。首先基于Facet模型对局部区域做灰度曲面最佳拟合,然后计算拟合曲面中心点的二阶方向导数,取二阶方向导数极大值小于零的点作为潜在特征点,最后通过对极大值的绝对值归一化和局部非极大值抑制提取特征点。实验结果表明,该算法可有效检测特征点,算法的实时性优于传统的SIFT算法。

基于Facet模型的各向异性扩散模型研究

提出了一种自适应各向异性扩散方法,该方法利用Facet模型拟合图像,减少了噪声对于各向异性增强的影响,同时利用Hessian矩阵的特征值的平方和作为传导参数的选择标准。在整个扩散过程,该方法可以根据图像内容自适应的处理噪声和选择传导参数;另外,该方法对于迭代次数的选择不敏感。实验结果显示,该方法比传统的各向异性增强算法有更好的效果。

多面Rasch模型FACETS分析软件的控制数据文件生成与应用研究

多面Rasch模型(MFRM)是Rasch单参数模型的延伸,对于检测不同测量层面一致性差异具有很好的支持作用。本文聚焦于运用多面测量模型的分析软件FACETS,重点阐述如何利用TXT数据文件和Excel数据文件生成控制数据文件的方法步骤。力求通过详细的过程介绍并配合图文说明,使学习者对Facets控制数据文件生成有更加清晰的认识,为后续应用Rasch模型开展数据分析奠定基础。