基于凸包计算和小波变换的显著目标检测算法

针对传统显著性检测算法存在显著性区域检测不准确、区域亮度不高以及不能有效抑制背景干扰等问题,提出了一种基于凸包计算和小波变换的显著目标检测算法(CHWT)。首先,在RGB、Lab、HSV空间分别对输入图像进行凸包计算,得到凸包交集,并对凸包交集进行二值化掩膜;其次,在多个尺度下对输入图像进行超像素分割,并利用MR(manifold ranking)算法得到多个尺度下的显著图,融合多个尺度下的显著图,并与凸包交集二值化掩膜进行贝叶斯融合获得多尺度超像素凸包显著图;最后,利用小波变换对输入图像的离散余弦变换(DCT)系数幅度谱进行多尺度分解,计算得到多尺度小波变换显著图,并与多尺度超像素凸包显著图进行线性融合获得最终显著图。在MSRA-10k、ECSSD和HKU-IS数据集上与其他6种现有算法进行了实验对比,实验结果表明:所提CHWT算法在准确率-召回率曲线(PR曲线)、算法综合指标(F-Measure)、平均绝对误差(MAE)和结构测量(SM)指标上优于其他算法,所提算法表现出更好的稳定性和鲁棒性。

平面上的凸包计算

在郊野公园中有一片林地,生长着一些古老的树木。管理部门希望建围栏把这些树木围起来加以保护。为了便于外围修建步行道,方便游人观赏,将保护区设计成凸多边形。当然也希望围栏总长度尽可能小,以降低建设成本。为简化计算,我们假设可以用部分树木作为围栏的桩柱,换句话说,部分树木处于保护区域的边界上。图1是这个问题的示意图,左边标出树木的平面位置分布,右边则显示完成的围栏,位于围栏上的树木用空心点表示,围在内部的为灰色点。

一种高效的平面点集凸包算法

为了提高凸包计算的效率,针对海岛正射点云的特点,提出了三级过滤措施,将平面点集抽稀至似边缘点集并排序,在此基础上改进了Graham算法,算法的时间复杂度为线性对数阶。通过对黄海开山岛等6个海岛点云进行计算,在普通、集中、扩散等3种类型情况下与多个经典算法进行对比,结果表明该算法平均运行效率为Quickhull算法的1.68倍、Andrew算法的8.93倍、Graham算法的20.65倍。因此,该算法可以被作为海岛、海岸、独立建筑物等正射点云凸包计算的关键算法。

计算机位图的凸包快速求取算法

凸包问题是计算几何的基本问题,主要是应用于模式识别、图像处理以及设计自动化等过程中,对于凸包算法,当前已经提出了很多种算法,在不同算法进行凸包顶点的求取过程中,需要根据大量的散点进行凸包点的判断,那么要想准确的进行判断,就必须对这些点和点之间的关系进行划分,通过将一个简单的多边形顶点按照一定的规则进行连接,从而找到其凸包点,因此在计算机位图的描写区分过程中,凸包点的获取非常重要,那么就需要进行快速凸包算法的使用,从而使得这类问题的复杂度下降到凸包算法的最低复杂程度,极大地提高了计算机位图的快速凸包运算。

空间点集卷包裹算法的优化实现

凸包计算是计算几何研究中的基本问题之一 ,在许多领域均有应用。本文对求解空间点集凸包的卷包裹算法的实现问题进行了讨论。提出了 2点优化措施 ,并解决了实现中可能出现的共面点及由此带来的退化问题。

基于足底压力的人体重心轨迹包络面积算法

为了评估人体平衡功能,需要计算人体重心轨迹包络曲线的面积,提出了一种包络曲线的计算方法。首先,通过足底压力采集系统获取足底压力数据,计算得到人体重心点;然后,提出了一种基于斜率逐步比较的重心轨迹包络凸多边形构造法,通过斜率比较筛选出包络凸多边形的顶点;最后,根据斜率大小对凸点进行排序,通过三角形面积累加得到包络凸多边形的面积。计算实例证明,提出的算法与经典的快包法相比提高了人体重心轨迹包络曲线面积的计算速度,算法具有良好的稳定性,稳定性差值在±0.01 s之内,算法的时间复杂度为O(nlgn),可有效应用于人体重心轨迹包络面积的计算。

基于牛顿迭代法的WC晶体界面能函数规则化算法

本文基于牛顿迭代法,实现WC-Co硬质合金中WC晶体界面能函数的规则化。将WC晶体界面能函数γ=γ(θ)的规则化问题转化为求解曲线ρ=1/γ(θ)在区间[0,π/3]上的两个分割点的问题;构造求解两个分割点的非线性模型,运用牛顿迭代法求解,并考虑以Graham扫描法的计算结果作为迭代初值。通过牛顿迭代法求得曲线ρ=1/γ(θ)在区间[0,π/3]上的两个分割点的近似值,最终实现了WC晶体界面能函数的规则化。针对本文所研究的界面能函数,基于牛顿迭代法的规则化算法比基于Graham扫描法的规则化算法更高效。

一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法

针对植被对近景摄影测量自动滑坡监测影响严重的问题,提出了一种基于纹理特征和朴素贝叶斯分类器的滑坡植被区域检测算法。对算法的有效性、影像对比度拉伸以及样本训练通用性对检测植被区域的效果等若干问题进行了实验探讨。通过与基于视觉认知特征的检测方法比较,验证了本算法的实用性和有效性。实验结果表明,本文算法能够很好地检测出近景影像中的植被区域,结果比较满意。