基于高斯拟合局部直方图方法的近红外星图目标检测

从近红外星空图像的直方图出发,认真分析了直方图的特性,并通过对直方图低频区域图像进行高斯拟合确定了图像分割阈值。对不同阈值情况下取得的结果进行了对比。在选取8邻域内像素面积最大的10个目标作为导航目标时,该方法用的数据较少,大幅减小了计算机的工作量,从而提高了导航效率,并增快了识别速度。

保持细节几何特征的三维网格模型轻量化算法

对三维模型进行轻量化的一个重要策略是利用网格简化算法减少模型表面的三角面片数量,其中广泛使用的边折叠算法相较于其他网格简化算法效率更高、简化效果更好,然而该算法存在简化过程中可能损坏或丢失部分细节几何特征的问题。为了解决上述问题,提出通过增加曲线近似曲率和模型待折叠边的一阶邻域三角形的平均面积作为惩罚因子,以优化原始算法的边折叠代价。首先,根据几何中曲线曲率的定义,提出了曲线近似曲率的计算公式;其次,在顶点法向量的计算过程中,使用面积加权和内角加权两个阶段对初始法向量进行修正,从而考虑更加丰富的模型几何信息。通过实验验证了优化后算法的性能,与经典的二次误差测度(QEM)算法、顾及角度误差的网格简化算法相比,优化算法处理后的模型的最大误差分别至少降低了73.96%和49.77%;与QEM算法相比,优化算法处理后的模型Hausdorff距离至少降低了17.69%。可见,在模型轻量化的过程中,优化算法能够减少模型的形变,更好地维持自身的细节几何特征。