一种基于八邻域深度差的点云边缘提取算法

提出了一种基于八邻域深度差(8N-DD)的点云边缘提取算法。算法根据目标特征的点云,对每个特征点沿深度方向进行垂直投影并对投影点进行栅格划分,计算出每个栅格内投影点所对应深度的平均值作为该栅格的深度值;然后比较每个栅格与其八邻域栅格的深度差,根据深度差判断该栅格内是否存在边缘点,并采用排序法从栅格内筛选出目标的点云边缘点。针对含有非孔洞和孔洞的两种典型点云数据,利用八邻域深度差算法进行点云边缘提取,验证了算法的有效性。

基于多分辨率的非真实感绘制

提出了基于多分辨率方法和像素8-邻域概念绘制图像的方法。采用金字塔生成多幅不同分辨率的参考图像,按照分辨率由低到高的顺序逐层绘制;每层绘制由一组画笔完成,画笔由一系列骨架点控制,运用像素8-邻域的概念生成一系列骨架点。通过多个参数的不同设置,能够方便灵活地把一幅照片渲染成一定风格的艺术图像。

基于序列图像的小目标检测

针对序列图像中小目标的运动具有运动的连续性和轨迹的一致性等特征,提出了采用单帧检测和多帧检测相结合的处理方法。对单帧图像进行预处理和图像分割,得到去掉大部分背景和噪声点的图像,并在图像中选取候选目标点进行标记。然后对处理后的序列图像进行N帧叠加。对叠加图中的标定点利用8邻域搜索法进行目标筛选,进而检测出目标。实验结果表明,该方法实用性强,能简单、快速、有效地检测出序列图像中的运动小目标。

八邻域网格聚类的多样性XML文档近似查询算法

提出了一种基于八邻域网格聚类的多样性XML近似查询算法.首先给出了支持XML文档间语义距离计算的3种编辑操作代价模型,再利用XML文档间的语义距离建立XML文档的向量模型并设计基于八邻域网格的XML文档聚类算法,进而利用聚类过程中得到的物理和逻辑聚类中心对静态有序选择算法的查询评估策略进行优化,这样做只需定位聚类中心所在组群的局部范围,并在该范围内进行目标查询,而无需遍历整个XML数据库,从而快速返回满足用户需求的查询结果.经汽车外形智能化设计实验表明,所提算法的查询速度比静态有序选择算法平均提高了3~4倍.

一种改进的指纹快速细化算法

针对指纹快速细化算法中存在双像素宽的情况,研究快速细化后像素的8邻域像素值的特征,通过计算8邻域像素值的和以及8邻域中相邻像素间的关系,对快速细化算法进行改进,使细化的结果为单像素宽。改进的算法对指纹的细化效果好,速度快,效率高。

基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法

针对视频中运动目标的提取问题,提出一种基于形态学的高斯模型和八邻域帧差法相融合的提取算法。该算法首先将视频中某些帧转化为灰度图,建立以混合高斯分布为基础的统计模型,并结合八邻域帧差法提取出运动目标的大致轮廓,然后利用自适应更新的高斯模型算法进行精确的减除,最后再进行形态学处理,从而使检测出的运动目标更加清晰完整。实验结果表明,该算法对含有低速运动物体、阴影较多的视频提取效果较好,具有很好的鲁棒性。

基于Trous算法的红外序列图像中运动目标的检测与跟踪

主要研究了红外图像中运动点目标的检测及跟踪问题。在复杂背景下,根据小目标在红外影像中容易丢失的特性,利用trous小波变换对图像非抽取(变换后图像数据未损失)的优点对红外图像进行了背景抑制与增强。通过聚类分割算法分割出了可疑目标,并采用八邻域分析算法准确跟踪并提取出了运动小目标。试验结果表明,本文算法在对红外序列图像中的运动目标进行检测与跟踪时具有较强的实用价值。

基于机载LiDAR点云的岛礁提取方法

提出一种从机载LiDAR点云数据中提取岛礁点云数据的方法。通过研究机载LiDAR点云中岛礁、海面和噪声数据的局部几何特征,首先对原始数据进行重新组织,提高计算效率。其次对原始数据进行基于高程差的区域平坦度计算,设置阈值过滤大部分海面点与噪声点。最后针对点云数据的疏密程度进行八邻域点云密度过滤,过滤残余离散海面点与噪声点,全面准确地提取出岛礁点云数据。

一种基于多分辨率和统计的笔刷绘制方法

采用高斯图像金字塔生成多幅参考图像,使用不同大小的笔刷进行多层绘制,模拟画家由粗到细的创作过程,设计一种新的笔刷绘制方法。在每层绘制时,使用统计方法确定笔刷的颜色,运用像素8-邻域的概念控制笔刷的走势。实验结果表明,通过多个参数的不同设置可以将一幅照片渲染成具有一定风格的艺术图像。

三维空间数据点边界快速查找算法设计与实现

利用三维数据点对原始模型进行曲面重建时,快速查找边界点并拟合出边界边是曲面重建的重要环节。提出一种基于K近邻的三维空间数据点边界快速搜索算法,该方法首先找出所有空间数据点的K近邻,并对被测点区域进行八分,判断其任意相邻的2个区域是否有数据点,提高了边界点的查找精度;介绍了基于实验的数据点空洞半径的计算方法,详细说明了算法的设计步骤,给出了算法的运行结果,并对结果进行了比较分析;采用基于K近邻的新八分法查找边界点,对算法进行了改进,使其精确性优于原始四分法,使运算时间优于原始八分法。实验证明该算法边界提取精度较高、运行速度较快,尤其是在凹陷程度较大区域,能更精确地描绘出原始模型的轮廓,为边界曲线拟合提供了优质的边界点数据。

基于机器视觉的散热器钎焊缺陷检测方法研究

为了实现钎焊工业现场复杂环境下散热器缺陷的在线检测,文章提出了基于机器视觉的散热器钎焊缺陷检测方法。采用灰度化和高斯滤波对图像进行预处理,使用Canny边缘检测算子获取边缘图像;利用八邻域连通域分析方法查找所有边缘连通域,使用边界清除算法剔除边界处边缘轮廓的干扰,进而实现散热器缺陷检测。实验结果表明散热器缺陷检测正确率为95%,可以满足散热器工业现场对准确性和检测速度的要求。

局部特定空间关系统计特征的RVIN噪声检测器

目的随机脉冲噪声(random-valued impulse noise,RVIN)检测器将局部图像统计值(local image statistics,LIS)作为图块中心像素点是否为噪声的判断依据,但LIS的描述能力较弱在不同程度上制约了RVIN检测器的检测正确率,影响了后续开关型降噪模块的修复效果。为此提出了一种基于局部特定空间关系统计特征的RVIN噪声检测器。方法以局部中心像素点的8个邻域像素对数差值排序值(rank-ordered logarithmic difference,ROLD)并结合1个最小方向对数差值(minimum orientation logarithmic difference,MOLD)共9个反映局部特定空间关系的LIS统计值构成描述中心像素点是否为RVIN的噪声感知特征矢量,并通过在大量样本图块数据上提取的RVIN噪声感知特征矢量及其对应的噪声标签作为训练对(training pairs),训练获得一个基于多层感知网络(multi-layer perception,MLP)的RVIN噪声检测器。结果对比实验从检测正确率和实际应用效果2个方面检验所提出的RVIN检测器的有效性,分别在10幅常用图像和50幅BSD(Berkeley segmentation data)纹理图像上进行测试,并与经典的脉冲噪声降噪算法中包含的噪声检测器以及MLPNNC(MLP neural network classifier)噪声检测器相比较,以漏检数、误检数和错检总数作为评价噪声检测正确率的指标。在常用图像集上本文所提RVIN检测器的漏检数和误检数较为平衡在错检总数上排名处于所有对比算法中的前2名,为后续的降噪模块打下了很好的基础。在BSD纹理图像集上将本文提出的RVIN检测器和GIRAF(generic iteratively reweighted annihilating filter)算法组合构成一种RVIN噪声降噪算法(proposed-GIRAF),proposed-GIRAF算法在50幅BSD图像上的峰值信噪比(peak signal-to-noise ratio PSNR)均值在各个噪声比例下均取得了最优结果,与排名第2的对比算法相比,提升了0.47~1.96 dB。实验数据表明所提出的RVIN噪声检测器的检测正确率优于现有的检测器,与修复算法联用后即可获得一种降噪效果更佳的开关型RVIN降噪算法。结论本文提出的RVIN噪声检测器在各个噪声比例下具有鲁棒的预测准确性,配合GIRAF算法使用后,与经典的RVIN降噪算法相比,降噪效果最佳具有很强的实用性。