基于可变形模型及区域流向分析的等高线自适应矢量化算法

等高线的矢量化一直是地形图自动识别的难点之一．该文对目前图纸矢量化算法进行了总结分析，根据等高线本身所具有的特征，结合人眼对等高线跟踪提取的特点，提出可变形模型跟踪矢量化算法．算法通过初始种子段的生成、可变内力控制及区域流向分析，直接在原地形图上实现等高线的自动矢量化及断点、粘连点的处理．实验证明该方法行之有效且具有很好的稳定性．     

视觉传感器网络节点方向调度算法

视觉传感器网络中节点感知模型为有向感知模型,感知范围被限定在节点的视野范围内.节点拥有多个感知方向,在一个工作时刻,节点只能工作于一个方向.针对视觉传感器网络的有向感知模型的点目标覆盖问题,提出一种贪婪算法(GreedyAlgorithm),在优化网络对于目标点覆盖的同时,解决了节点自身覆盖冲突的问题.在此基础上,引入贡献率概念反映节点在其感知方向上对于覆盖的贡献,提出了基于贡献率的贪婪算法(Contribution Rate Greedy Algorithm)以增大网络覆盖率.仿真实验表明了该算法的有效性.     

GIS中道路截断算法的研究与实现

为了实现矢量化地图上根据用户指定点截断道路，文章提出针对该问题的两种算法并分别进行了复杂性分析。算法已在一实际的物流保障GIS系统中实现且运行良好。     

基于视觉注意机制的图像压缩感知复原

对于低采样、低质航运图像的复原问题,提出了一种新的图像压缩感知复原算法。首先对图像进行预处理,然后由人眼视觉注意机制模型确定注意点位置,并采用自适应遗传算法对注意点像素值进行寻优,最后复原获得复原图像。实验结果表明,所提出的基于视觉注意机制的图像压缩感知复原算法不仅提高了图像的复原质量,同时很好地保存了图像的细节信息。     

RSG地形的矢量视域改进算法

针对视域分析改进算法及其矢量化进行研究,提出了一种基于局部最优检测和高程限制的改进通视性算法。介绍了空间中两点通视性问题的基本算法;给出了局部最优单调区间的定义;通过分析视线方向与地形遮挡点之间的关系,提出了基于局部最优区间和最大高程限制的通视性改进算法,给出了算法的实现方法;改进算法只对一般高程点进行局部最优判断,而只对点序列中相对较少的一部分点进行完整的通视性计算,因此改进算法在收敛速度方面得到了明显改善;最后,通过程序仿真对改进算法进行了验证,并利用改进算法进行了视域分析与矢量化仿真。     

一种新的动态视觉传感器网络目标覆盖率算法*

动态视觉传感器网络目标覆盖研究中把目标点看成一个质心,而实际中存在物体直径可能大于视频节点半径、质心模型不适用的情况,针对此提出了一种新的动态视觉传感器目标物体覆盖率问题。基于此问题同时结合有向感知模型,提出有向线性感知模型,并基于该模型使用改进的粒子群优化算法对物体覆盖率进行仿真优化。仿真结果表明了该模型的有效性。     

基于控制点的二值图像边界矢量化算法

提出一种二值图像边界矢量化算法,实现从图像到图形的自动转换.先通过边界跟踪算法获取二值图像的边界,并利用SUSAN方法计算出边界上的角点,根据距离关系计算角点间的普通控制点,最后运用角点和这些普通控制点的3次B样条曲线拟合边界.实验结果表明算法有效实现了图像矢量化,解决了边界矢量化问题,具有较强的实用性.     

模拟激光雷达点云在路侧感知算法中的应用

路侧感知算法融合车载感知算法实现了超视距感知, 基于深度学习的感知算法性能取决于激光雷达点云标签标注的质量, 而点云标签相对于二维图像更难标注, 需要大量时间人力成本进行标注, 且现行感知算法都是针对于车载激光雷达. 针对这些问题, 本文提出了一种基于路侧激光雷达栅格特征聚类的感知算法, 该算法首先对路侧激光雷达点云栅格化并提取特征, 再构建深度学习方法模型学习栅格的初级感知信息, 最后根据初级感知信息进行聚类完成感知检测. 本文还利用仿真平台模拟路侧激光雷达点云, 并研究混合数据集在感知算法训练上的应用, 基于模拟数据预训模型微调(Fine-tune)在感知算法上的应用. 实验结果表明, 本文提出的路侧感知算法具有较高的实时性与可靠性, 模拟路侧激光雷达点云有助于路侧感知算法训练, 减少路侧感知算法对标注工作的依赖, 提高感知算法性能.     

基于聚类的图像视觉内容检索和索引

图像是一种典型的可以大量获取的多媒体数据，对它们进行内容管理具有实际意义，描述在BOIC系统中提出并实现的基于聚类机制的图像视觉内容检索和索引方法．首先给出以视觉特征、空间结构、语义注释等来表示图像内容的模型；然后给出基于该模型的三个检索算法，包括基于视觉感知的颜色检索算法、轮廓检索算法、主色调扩展检索算法；最后给出采用集簇算法时媒体数据进行聚类的索引机制．它建立聚类索引表来缩小查询范围，从而提高了检索效率。     

快速在线主动学习的图像自动分割算法*

提出经前馈神经网络快速在线学习、构建像素分类模型进行图像分割的算法。首先利用谱残差法计算像素显著度,通过对少数高显著度点的分布进行多尺度分析,获得符合人眼视觉特性的显著图和注视区域。然后从注视区域和非注视区域随机抽样构成由正负样本像素组成的训练集,在线训练一个两分类的随机权前馈神经网络模型。最后使用该模型分类全图像素,实现图像分割。实验表明,文中算法在谱残差法基础上提升对图像中显著目标的分割性能,分割结果与人类视觉感知匹配度较好。     

从2D视图重建3D实体中的假元删除算法

从2D视图重建3D实体的过程中,2D视图中的虚线会在3D重建中引起假边和假面的生成.针对此,提出一些规则在重建早先的阶段识别并删除这些假元.对于一个完全可见面,一旦搜索到它的外环和内环的边界,那么在该面内投影为虚线的边均将被删除.     

一种基于直线提取和补全的通用表格分析方法

表格分析是表格自动处理过程中的第一步。本文充分利用表格的特点,给出一个基于直线提取和补全的通用表格分析方法。先使用一种矢量化的直线提取算法在游程连通图的基础上得到表格线,同时对表格进行倾斜校正。然后根据表格特性调整表格线,再从表格线得到表格特征点,最后建立规则通过对表格线的补全来求得表格结构的行单元描述。使用该方法对表格图象进行分析,能处理表格线断裂、文字表格线粘连等常见问题,正确得到表格结构。     

工程图自动矢量化算法的设计与实现

工程图自动矢量化是ＣＡＤ领域中远未解决的关键技术之一。通过对工程图矢量化课题的深入研究,给出了一种将二值点阵图象快速转换为直线、圆及圆弧的自动矢量化算法,这种算法保证处理的高速度、灵活性和准确性。     

基于特征段的正交矢量化及其符号识别方法

文中提出一种使用特征段的工程图矢量化方法,通过抽取图像中部分具有显著特征的行段建立特征矢量线段,经过延伸、合并求交等运算获取完整准确的矢量线．为避免毛刺、小弯度直线矢量化产生的奇异性,该研究运用正交双向矢量化的方法分别在Ｘ和Ｙ方向对倾斜角小于４５°和大于４５°的直线分别进行特征段抽取．对粘连弯头短直线及端点符号识别也作了研究．     

一种针对多媒体扩展指令集和实际多媒体程序的自动向量化方法

自动向量化编译是利用处理器的多媒体扩展指令集提升多媒体程序性能的理想工具．但目前的研究不能有效加速实际程序．其主要原因是：普通算术操作的向量化不一定有性能提升;而多媒体典型操作因为其在源代码中表现形式多样而不能充分向量化．为了解决这一问题,文章对经典向量化算法进行改进以灵活统一地向量化这两类操作．主要的改进是增加了两个步骤：统一操作的不同表现形式和识别有价值的向量化操作．改进后的算法可以充分利用指令集生成高效代码,从而对实际多媒体程序拥有良好效果．此外,该算法可扩展性也很强．     

基于对象图例及其拓扑关系识别的二维工程CAD图纸矢量化方法

为实现二维工程CAD图纸矢量化,提出一种基于对象图例及其拓扑关系识别的矢量化方法。该方法首先针对对象图例的几何属性,提出基于HOG(Histogram of Gradient)和SVM(Support Vector Machine)的多类对象图例分类方法,然后通过提取对象的环形分割特征识别子类对象图例,接着利用基于连通域标记方法实现对象图例拓扑关系的识别。结果表明,本文算法能够有效识别图纸中的对象及其拓扑关系,对于图纸中常见的图例线条断裂、模糊等问题具有鲁棒性。基于本文算法提取的对象几何和拓扑信息可以为后续的图纸矢量化奠定基础,相关关键技术的探索性研究对后续工程图纸矢量化研究具有一定启发性。     

工程图自动矢量化算法的研究

工程图的自动矢量化是 ＣＡＤ／ＣＡＭ领域中急待解决的关键技术之一。通过对工程图矢量化课题的深入研究,给出了一种将二值点阵图快速转换为直线、圆及圆弧的自动矢量化算法。     

立体几何教学软件中的一个线消隐算法

立体几何教学软件要求场景中的几何体具有真实感,几何体被遮挡的边要随着视点的改变动态地以虚线形式输出,这与传统黑板教学中教师将几何体被遮挡的边画成虚线是一致的,符合学生的学习习惯,易于理解和接受。对三维立体场景中有名的线消隐算法——Roberts算法进行了研究并作了改进,在提高效率的同时将它与一定的数据结构相结合,实现了一种满足立体几何教学软件中把隐藏线以虚线形式输出的特殊要求的线消隐算法。经测试证明此算法是完全可行的。     

一种基于条形块跟踪的圆弧识别新方法

圆弧识别是工程图纸矢量化研究中的重点和难点.为了提高识别的效率和精度,本文提出了一种基于条形块跟踪的圆弧矢量化方法,该方法采取条形块跟踪的思想获取圆弧和组合线的低级矢量—型值链,对组合线进行了分割,在几何意义明显的圆弧型值链上,通过检测和验证的方法识别出圆弧.在实验中,分别用标准数据和真实图纸进行了测试,实验结果显示算法具有较高的识别精度和识别效率.