基于误差驱动与CSRBF的点云重建

提出了一种基于误差驱动的逐次迭代逼近的大规模3D散乱数据的重建算法。首先对点云数据进行重采样,采用归一化的CSRBF作为插值基函数。其次对重采样后少量的点数据进行插值。再次对未参加插值的点带入隐函数方程,计算误差。对误差超过一定阈值的点进行重采样,加入原采样点集合,重新进行插值。这样多次迭代以后便可以用最少的点来插值原来的点云模型。实验结果表明,该算法具有更高的鲁棒性和更高的效率。

基于图像分解和区域分割的数字图像修复

提出一种基于图像分解和区域分割的图像修复新算法。首先,将图像分解为结构图像和纹理图像,然后根据分解的结构图像将其分割为不同区域,两区域间的边界线采用张量选举算法平滑连接;对各区域的结构和纹理图像分别采用基于紧支径向基函数算法和自适应纹理匹配算法进行修复。最后将结构和纹理图像重新叠加在一起得到修复后的图像。该算法的优点是对图像的结构和纹理同时进行处理,实现对破损区域较大的图像进行有效修复;算法采用基于张量选举的区域边界连接和分区域修复,克服了单独使用径向基函数修复结构时产生边界模糊现象,采用的支径向基函数比普通的径向基函数具有较低的计算复杂度;丢失的纹理只在其所在区域内进行最优匹配搜索,大大减小了纹理搜索范围;纹理匹配块的自适应选择提高了纹理匹配的灵活性和准确性。实验证明,该算法能够稳定有效地处理各种较大的破损区域,并得到良好的图像修复效果。

基于紧支撑径向基函数与共轭梯度法的大规模散乱数据快速曲面插值

该文提出一种快速大规模散乱数据的曲面插值算法。在此算法中,首先采用紧支撑径向基函数(CSRBF)作为插值基函数,采用CSRBF的优点是保证构成的系数方程组是对称正定而且系数是稀疏的。这样可保证系数方程组一定可解而且可以减少内存的开销。其次采用共轭梯度法求解大规模系数方程组。该算法在系数方程组的系数矩阵A:N×N是对称正定的情况下,最多迭代N步就可以求得方程组的解,实验结果表明该算法的快速性,特别适合大规模散乱数据的曲面的插值。

径向基函数在图像修复中的应用

提出了径向基函数的图像修复算法.由用户手工标记出要修复的区域,算法自动计算修复区域的轮廓并沿法向扩张,确定合适的径向基函数重构区域,并将该区域内图像上的每个点的像素值看成高度场中该点的高度值,这样一张图像就张成了以像素值为高度的三维曲面,从而将图像修复问题转化为三维散乱数据点的曲面重建问题.该算法能正确,稳定地处理各种破损区域.

基于方向场和频率场的指纹图像增强改进算法

在LINHong算法的基础之上,提出了一种新型改进算法。该算法利用区域直方图规范化预处理纹理,梯度法计算方向场,采用紧支径向基函数(CSRBF)对频率场进行插值估计,增加了可恢复区域。实验结果表明,提出的算法取得了良好的增强效果,对经典LINHong算法有较大改进。

特征保持的基于紧支径向基函数的点云简化

提出一种特征保持的基于紧支径向基函数的点云简化算法。算法采用迭代简化的策略:使用改进的k_近邻算法计算点的k邻域,并根据每个点的局部最小二乘拟合曲面多项式计算每个点的高斯曲率;根据选择的紧支径向基函数,建立与点曲率和基函数支撑半径内点云密度相关的评估函数来评估点的重要性,删除函数值最小的点;更新与删除点相关的函数值,迭代删除值最小的点直到满足简化要求。实验结果表明,该方法能够精确地控制简化后点云的数量,尖峰信噪比高,且能够较好地保持点云的特征。

基于二级拟合方法的高精度保形建模

紧支撑的径向基函数已广泛用于曲面建模方法中以插值或拟合给定数据.合理的紧支撑半径可以避免求解大型稠密线性系统.通常基于CSRBF重建曲面方法不具有保形性,而多元二次拟插值的逼近精度不足.本文引入一种新的高精度保形曲面建模的两级拟合方法.首先使用精度较低的准插值方法构造初始保形模型,然后通过进行基于CSRBF的网络插值方法补偿初始拟合模型与给定数据之间的误差,进而得到精度更高的保形模型.此外,本文还讨论拟插值平滑因子的选择和基于CSRBF网络的支持半径设置,并建立它们之间的经验公式.数值示例说明了本文方法的有效性.

拓扑保形的矢量地理数据几何脱密方法

提出了基于紧支撑径向基函数(CSRBF)的具有拓扑与几何保持性的矢量地理数据几何脱密方法.根据矢量地理数据的结构特征,分别对点、线、面地理要素进行分类,针对不同类别的地理要素构建相应的拓扑保形规则;利用CSRBF生成脱密函数模型,根据矢量地理数据几何脱密要求,分别对点、线、面结构的矢量地理要素进行脱密处理;通过脱密函数模型和要素脱密拓扑保形规则,对矢量地理数据进行迭代脱密,直至满足脱密要求.实验表明:提出的方法得到的脱密结果能够在满足地理信息安全性的条件下,保留数据的拓扑特征及一定的几何精度,从而保证了矢量地理数据的共享可用性.

基于RASM的紧支撑径向基函数自适应并行地形插值方法

快速、准确地对地形进行重建以生成数字高程模型是地理信息表达的重要研究内容,径向基函数(radial basis function,RBF)作为一种插值性能较优的空间插值方法,特别适合于重建复杂的地形模型,但随着已知地形采样点数量的增加,RBF插值模型求解速度变慢,同时插值矩阵过于庞大而导致插值模型求解困难甚至求解失败。针对这个问题,本文基于区域分解和施瓦兹并行原理进行地形插值,以紧支撑径向基函数(compact support RBF,CSRBF)构建基于所有地形采样数据的全局插值矩阵,并自适应求解子区域CSRBF插值节点紧支撑半径,基于限制性加性施瓦兹方法(restricted additive Schwarz method,RASM)采用多核并行架构对各局部子区域的插值矩阵进行求解。以某地区数字高程模型(DEM)数据进行插值实验,结果表明,本文方法能够对大规模地形数据进行准确重建,并且具有较高的求解效率。