圆柱型油罐SAR图像的多径散射特征和几何参数提取

结合多径散射理论和雷达成像原理,针对圆柱型固定顶油罐和浮动顶油罐的SAR图像的多径散射提出了一种预测模型,该预测模型建立了多径散射机制引起的图像上的近似聚焦位置、强度与油罐、雷达相关参数的关系.同时,结合仿真实验和Terra-SAR图像验证了该模型的有效性,分析了油罐目标的多径特征,并针对Terra-SAR图像利用基于模型的方法有效提取了油罐目标的几何参数.结果和分析表明,该方法比传统的方法在精度、稳定性上均有所提高.

基于形状先验的建筑物几何参数提取方法

基于单幅高分辨率遥感图像的建筑物几何参数提取结果的准确性,容易受图像背景、图像噪声以及灰度分布相似性的干扰,形成错误的提取结果。针对这一问题,该文提出一种新的基于形状先验的变分水平集提取方法,该方法同时使用图像边缘信息、区域灰度信息以及包含屋顶和侧立面的形状先验信息,实现单幅遥感图像中建筑物的几何参数的提取。实验结果表明,该方法能够更加准确地提取建筑物,最后得到的几何参数比较接近真值,并且由于更加充分地使用了全局形状信息该方法能更好地抵制侧立面的干扰,具有很强的鲁棒性。

基于几何参数特征与决策树支持向量机的猪只姿态分类

为了研究分类与猪只行为及精神状况相关的姿态,试验提出了一种基于几何参数特征与决策树支持向量机的猪只姿态分类方法,首先根据猪只行为学特征并借鉴前人的研究成果选择5种相关的姿态,包括躺卧、侧面抬头站立、侧面低头站立、侧面平视站立以及正面站立,并以此建立猪只姿态样本库,再针对所研究姿态的图像形状特点,提出利用圆形度、高宽比、伸长度、质高比、质左比、质心左右比、最高点左右比、左(右)夹角余弦与左(右)抬头度11个几何参数特征作为描述姿态的图像特征,最后利用决策树支持向量机(DT-SVM)进行猪只姿态分类。结果表明:与1-V-1多分类支持向量机(1-V-1 SVM)与Ada Boost分类算法相比较,DT-SVM的分类精度较高,耗时较短。说明所选取的特征可以有效地描述猪只姿态。

WOODPRO木材解剖特征图象处理系统的开发

本文简要地介绍了ＷＯＯＤＰＲ木材解剖特征图象处理系统；并结合木材细胞图象特点，描述了计算机图象处理技术在ＦＦＴ图谱构建、木材细胞几何参数测量等方面的应用。

基于多源激光点云融合的建筑物BIM建模

墙体、窗户等单元构件是建筑物重要组成部分,精细提取其几何参数及位置信息对于完整表达建筑物整体模型具有重要意义。针对单一点云数据源无法获取建筑物单元构件相关参数并完整表达室内外模型重建问题,本文提出一整套融合室内外多源点云数据的BIM模型重建技术。为验证方法的有效性,选取河南理工大学测绘与国土信息工程学院教学楼为实验区域,室内外数据采集时间为2019年5月。在对实验区域机载、车载和地面点云数据进行预处理的基础上,分别选取各点集共轭特征点,以高精度的地面点云为基准,将机载和车载点云融合到地面点云。为提高后期模型重建精度及处理效率,以点云间最小空间距离的方式剔除重叠区域冗余数据。对建筑物进行整体平面与立面剖切,将剖切面在CAD中进行跟踪绘制二维线划图,将二维线划图导入Revit软件中绘制轴网与标高,并利用提取到的墙体几何参数编辑墙体族类型进行BIM模型重建。根据提取到的窗户几何参数统计其类型并编辑窗户族,将其归为有规律性和无规律性两类,有规律性窗户单元找出其重复性规律及位置控制参数,无规律性窗户单元逐个放置,二者结合优化BIM模型。为验证模型重建精度,选取建筑物代表性立面,以人工实测立面边长为参照,将由点云数据提取到的相对应立面边长及模型边长与之对比分析,其误差集中分布在0.0~0.2 m之间,存在0.2 m以上误差,但大部分在0.3 m以下。实验结果证明了该方法的准确性。