基于改进的PHT-样条自适应等几何配点法

将传统等几何配点法扩展至任意高阶单元并且满足自适应局部细分功能,提出一种基于改进的PHT样条单元的自适应等几何配点法。改进的PHT样条单元依然具有传统PHT样条单元局部细分功能,但因为传统PHT样条函数在层级网格划分后需要对部分基函数的定义域进行截断处理,所以在层级细分过于频繁区域,部分函数可能因为严重变形而影响计算稳定性,而改进的PHT样条函数无需截断处理,定义域内基函数始终具有稳定形态,这使得改进的PHT样条单元更适合高阶连续性计算及多层网格细分。该算法结合PHT样条单元的特点,选取高斯点作为配置点。为了简化边界施加条件,采用了耦合线性方程组的方法,在问题域内采用高斯配点法,在问题域边界采用传统伽辽金方法,最终耦合2组线性方程组。本算法的局部细分准则基于复原解和复原解误差。实例计算结果表明,基于改进的PHT样条的自适应等几何配点法可以扩展至任意高阶单元计算,并满足最佳收敛率,且与理论值吻合。

基于RHT的多圆检测改进算法

针对多圆检测问题,提出了一种基于RHT的改进算法PHT3(3-point Hough transformation)。对整幅图像特征点按连续性进行点集归类,同时计算有效点的梯度方向信息;按照一定的取点规则在同一点集中取3点,得到候选圆的圆心参数;依据所求圆心参数以及梯度信息判定选取3点的有效性,以降低Hough变换的无效累积。针对常规确定圆半径精度有限的缺陷,提出利用点集并结合候选半径的均方差来获得亚像素半径,同时解决了同心圆半径的检测问题。与RHT算法进行对比检测,结果表明:PHT3算法检测时间为RHT算法检测的1/6,且无效累积更小,同时保留了Hough变换对局部信息缺损不敏感和对随机噪声鲁棒性强的特点。

结合特征点与极谐变换的图像拼接

提出了一种新的结合特征点与极谐变换(Polar Harmonic Transform,PHT)的图像拼接算法。利用Harris角检测器提取图像中的特征点,计算特征点圆形邻域的PHT特征矢量,并通过计算欧氏距离作为特征点匹配的依据提取出初始特征点对。根据几何变换模型剔除伪匹配对,利用正确映射模型计算出变换参数,采用加权平均法得到图像的拼接结果。实验结果表明了算法的有效性。

一种改进的基于上下文的破损显著性检测

采用简单的图像分割和边缘提取对工业透明塑料薄膜的破损情况进行检测时,效果不太理想。针对这种情况,本文提出一种改进的基于上下文的工业透明薄膜包装破损显著性检测。首先对拍摄的图像进行点Hough变换(PHT),然后将PHT变换的图像进行Graph-based超像素分割,最后对超像素分割后的图像进行基于上下文的显著性检测。实验结果表明,本方法准确性高、运行时间短,在工业上的应用具有可行性。