多目标约束向量优化问题的类拉格朗日乘数法

文献[21]给出了实希尔伯特空间中含有一个约束条件的向量优化问题的有关帕雷托解的拉格朗日乘数法.该文把文献[21]中的主要结果推广到了含有任意m个约束条件的多目标向量优化问题中,给出了实希尔伯特空间中,以proximal法锥和目标函数的coderivative刻画的多目标约束向量优化问题的类拉格朗日乘数法.

常规二次多项式拟合地震数据

在传统的地震数据拟合技术中大都采用正交多项式拟合方法,这种拟合方法的拟合结果存在拟合不够准确的缺点,导致处理后地震数据的主频降低、断点变形。对产生这些现象的原因进行了分析,指出拟合过程中拟合中心点随正交多项式系数的改变是导致拟合不够准确的主要原因,提出采用常规二次多项式取代正交多项式进行数据拟合,以克服正交多项式拟合方法的缺陷。针对常规二次多项式系数扫描时由于系数彼此影响使计算量增大的问题,采用先线性拟合再微调的办法予以解决;针对扫描过程中拟合系数不能直接采用最优化算法的问题,采取了先大步长等间距扫描确定最佳拟合函数的单极值区间,然后再用二分法进行最佳拟合系数扫描的措施,节省了计算时间;针对拟合过程中出现断点模糊这一问题,采用中值约束下的矢量分解技术来解决。最后,利用理论模型和实际资料对常规二次多项式拟合方法进行了验证,结果表明,在处理后的地震数据中,随机干扰得到了很好的压制,同相轴的连续性得到了增强,断点准确。

点云数据的多几何面片特征自动识别

针对人工构筑物丰富的面片特征,提出一种基于局部采样优化的多种几何面片(平面、柱面、球面)点云数据分割方法。该方法首先利用三维格网建立点云数据的空间划分,然后根据随机采样点确定局部格网单元,在格网单元内部拟合多种几何模型,通过局部打分确定局部候选模型(集),利用统计推断估算候选模型集的全局打分区间,最终获得当前最优模型及其一致集,从而实现点云数据分割。试验结果表明:该方法能够对富含规则几何特征的人工构筑物进行有效分割。

保持特征的三维网格模型尺寸调整

提出了一种三维模型尺寸调整的新方法.新方法通过对每条边的缩放来驱动模型尺寸的调整,然后以缩放前后三角形法向的叉乘为目标函数项进行优化,几何意义上,该法向叉乘项表示极小化每个三角形的法向变化;Willmore能量意义上,该项可以近似地极小化缩放带来的能量变化.对需要精确保持某些特征区域的模型,采用带约束的尺寸调整方法,通过引入拉格朗日乘数来求解满足约束条件的优化问题,从而能够精确保持模型的重要特征,目前已有的三维模型尺寸调整方法还不能做到这一点.最后,实例表明文中方法在调整模型尺寸的同时,既能很好地保持模型的敏感特征,也能精确保持某些重要的模型特征.

基于多约束图形分割的点云对象基元获取方法

针对目前LiDAR点云对象基元获取方法存在的运算量大、不能对建筑物不同屋顶平面进行有效分割等问题,提出一种基于多约束图形分割的点云对象基元获取方法。该方法采用基于图的分割策略,首先使用邻近点约束条件构建网图结构,以此来降低图的复杂度,提高算法的实现效率;然后对相邻节点的法向量夹角进行阈值约束,从而将位于同一平面的点云分割为同一对象基元;最后进行最大边长约束,对建筑物点云与其邻近的植被点进行分离。为验证所提方法的有效性,选用3组由国际摄影测量与遥感学会(ISPRS)提供的公开测试数据集进行测试以及2组由武汉大学提供的数据集进行实验分析。实验结果表明,所提方法能够有效分割建筑物的不同屋顶平面。使用DBSCAN和谱聚类方法与所提方法进行对比,利用准确率、召回率和F1得分作为精度评价指标。相比其他方法,在5组不同建筑物环境的点云数据中,所提方法均能取得最佳的整体分割效果,召回率和F1得分均优于其他两种方法。

杂波协方差矩阵结构的融合估计方法

针对特定杂波背景下的最优或次优杂波协方差矩阵估计方法难以适应过渡杂波环境的问题,提出协方差矩阵结构的融合估计方法,通过调整参数涵盖现有的3种杂波协方差矩阵估计方法,并分析所提出方法对应的自适应归一化匹配滤波器的自适应特性.其次,确定了控制参数的经验公式,经验公式符合数值结果.最后,从估计精度、恒虚警率特性和检测性能3个方面对所提出方法和已有方法进行对比分析.仿真结果表明,在过渡杂波环境中,所提出方法的精度更高、检测效果更好,对实际杂波非高斯程度时空渐变性具有较强的适应能力.