基于单幅图像的三维建筑物交互累进式建模

基于单幅建筑物图像,提出一种以简单交互方式累进式重建三维建筑物场景的方法.在以单幅建筑物图像为背景的画布上,用户首先标记建筑物的2个基面并对输入图像进行校正预处理,校正过程中充分利用透视图像中的平行线交于同一个图像消影点的特点,由射影变换快速消除建筑物图像中的透视失真并恢复建筑物图像中的线条平行关系;然后在经校正处理后的图像上描绘建筑物基本轮廓线条,系统自动查找轮廓线条平行垂直关系,利用二维线画图中各线条的平行、垂直及顶点共面关系作为约束建立能量函数计算线画图中所有顶点的深度值,并根据结构对称性特点完善建筑物模型几何结构,生成建筑物场景的粗糙模型;最后利用建筑物图像呈现的精细细节结构和其与建筑物粗糙模型主体结构的几何位置关系确定细节结构顶点的深度值,并根据输入图像中可见部分纹理信息进一步合成建筑物表面纹理,得到精细真实的三维建筑物模型.实验结果表明,该方法能够方便、高效地重建输入图像中的建筑物场景,并且具有较强的真实感.     

工业钣金件视觉检测中的一种2D-3D自动定位算法

利用图像计算目标物体空间方位一直是计算机视觉领域的重要任务。利用单幅图像结合CAD三维模型实现钣金零件空间方位的2D-3D自动定位。沿CAD三维模型在影像上投影的外轮廓统计影像边缘特征点的数目,根据极值位置确定零件方位的初始参数;提出基于广义点理论的最邻近直线迭代的算法求取零件方位的精确值。为加快轮廓跟踪速度,也对经典的8-领域轮廓跟踪串行算法进行了并行优化。     

基于虚拟格网的建筑物点云轮廓线自动提取

在分析现有轮廓线提取方法不足的基础上，提出基于虚拟格网的建筑物轮廓线自动提取方法。该方法利用建筑物点云生成虚拟格网并进行二值填充；采用邻域分析方法进行边界格网的标记与追踪；为了避免边界追踪错误，设计了基于方向的单边缘格网抑制方法及基于距离的连接关系调整方法以改善提取结果质量；根据格网追踪结果，从原始建筑物点云中提取真实轮廓点以保持原始建筑物轮廓形态；采用随机抽样一致性估计及最小二乘拟合方法进行轮廓线规则化处理，实现建筑物轮廓线的自动提取。实验结果表明，该方法能快速从建筑物点云中提取轮廓线，可为建筑物轮廓线的自动提取提供一种可行的解决方案。     

应用多尺度纹理边缘的居民地轮廓提取

提出了一种多尺度纹理边缘与感知编组结合的居民地轮廓提取方法,用于在航空影像上提取居民地轮廓。该方法首先根据影像边缘点的尺度信息计算边缘隶属度,生成多尺度边缘图像;然后将边缘点属于高纹理区域的概率表示为边缘隶属度的函数,通过计算边缘点的概率确定高纹理区域边缘;最后利用曲线跟踪连接提取点形成初始零散轮廓集,并应用感知编组连接初始轮廓,获得完整闭合的居民地轮廓。实验证明,提取的居民地轮廓位置准确且完整闭合。     

基于建筑物轮廓的地面激光点云与影像匹配点云配准研究

为了高精度融合异源数据,进而充分表达建筑物的顶面及立面信息,提出基于建筑物轮廓特征的地面激光点云与影像匹配点云配准方法.通过边缘估计提取影像匹配点云建筑物屋顶轮廓,利用α-shape算法匹配提取地面激光点云建筑物屋檐轮廓,运用主成分分析算法、质心约束及罗德里格斯公式实现两种轮廓点云的粗配准,根据ICP算法完成精配准.实验结果表明该方法能够实现跨模态数据的优势互补,有效提高影像与点云配准的计算效率和配准精度.     

利用贝叶斯结构模型的复杂形状建筑物提取

现有的建筑物轮廓提取方法在处理非矩形的复杂形状建筑物时存在局限性,为克服这一缺点,提出一种航拍图像复杂形状建筑物轮廓的提取方法.针对复杂形状建筑物结构不规则的特点,提出一种贝叶斯结构模型.该模型以概率的形式表示建筑物边缘之间的连接关系;并引入Boosting决策树方法,综合考虑建筑物边缘周围的颜色和纹理等多种图像信息,增强了模型的鲁棒性.另外,设计了一种长度归一化的能量函数来描述建筑物轮廓,并运用图优化算法全局寻优,实现对建筑物轮廓的提取.实验结果表明,该方法能有效地提取多种复杂形状建筑物的轮廓.     

基于单幅图像成像一致性的组合式建筑交互建模

在组合式建筑建模中,针对单幅建筑物图像提供的信息量少、建筑物部件之间的相互遮挡等局限性,提出一种"部件建模-联合优化"的组合式建筑交互建模方法.首先根据输入的单幅建筑物图像,用户标注图像上建筑物单个部件的6个顶点,系统获取顶点坐标并利用其与三维几何体顶点之间的对应关系构建长方体初始部件模型,使得其投影与图像上的部件轮廓相匹配,以实现相机标定;然后对选定的初始部件模型进行交互式编辑以生成相邻的部件,并使得生成的相邻长方体部件投影与图像上的相应部件轮廓相匹配,基于相机内参的成像一致性完成建筑物相邻部件的重建;最后利用组合式建筑建模的投影误差和共面约束误差进行联合优化,生成精确的组合式建筑物模型,并利用建筑物纹理的对称性合成真实的三维组合式建筑.利用.NET平台下的Emgucv库和OpenGL库实现基于单幅图像的建筑物三维建模,实验结果表明,该方法能方便高效地重建单幅图像中的组合式建筑物,且具有较强真实感.     

基于改进的GAC模型的医学图像序列分割算法

为了快速有效地提取出图像序列的边缘,提出了一种基于改进的测地线活动轮廓（GAC）模型的图像分割算法。在该方法中,只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中,首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓,然后利用结合先验信息的测地线活动轮廓模型进行分割。此外,为了有效地减少算法运算时间,采用手工办法在第一张图像上选定模型演化的区域,该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明：方法能够快速有效地提取目标物体的边缘。     

基于多尺度小波边缘检测改进GVF snake的颈部淋巴结超声图像轮廓提取

提取超声图像的轮廓对医学诊断有着积极意义。然而,由于超声图像具有目标与背景间对比度低、信噪比低等特点,以往的边缘检测算法在解决图像噪声、精确定位边缘以及获得连续光滑的边缘线之间的矛盾均未得到理想的效果。GVF snake能较好地解决以上矛盾,且具有更大的捕获范围和更强的凹陷域收敛性。但GVF snake初始轮廓线需手工勾勒,不仅比较繁琐,而且目标提取的结果在很大程度上受人工初始化的影响。为此,提出一种多尺度小波变换模极大值与GVF snake算法结合的方法来提取颈部淋巴结超声图像轮廓。该方法首先运用小波变换模极大值多尺度边缘检测算法得到目标图像的边缘图,再在边缘图上分别选取上、下、左、右四个不同方向若干个特征点,即可自动获得较为客观的初始轮廓线,最后利用GVF snake模型提取图像的精确轮廓。实验表明该方法能得到目标图像连续光滑的轮廓线,同时比GVF snake提取的轮廓更加精确,更能反映轮廓的局部细节。此外,由于初始轮廓更加接近给定图像的真实边缘,从而减少了梯度矢量流力场迭代(GVF)次数,提高了轮廓的收敛速度。     

基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法

针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。     

矢量字库的设计与实现

矢量字库是使用矢量文字的主要方式。本文以一种轮廓文字位图矢量化的方法为基础，详细介绍了从文字住图数据抓取、位图轮廓提取、矢量化数据生成、到矢量化字库生成、读取及显示的设计与实现方法。     

地面LiDAR数据中建筑轮廓和角点提取

建筑轮廓和角点作为多平台激光雷达数据常用的配准基元,其提取方法正受到越来越多的关注.投影密度法是一种常用的从地面LiDAR数据中提取建筑轮廓和角点的方法,然而以往研究对于直接影响建筑轮廓提取结果的格网密度阈值考虑较少.提出一种轮廓密度估计的方法,能够根据点云实际情况自动准确地计算出格网密度阈值,从而提取较为准确的建筑轮廓格网.在此基础上,利用轮廓线段高程分割和密度延伸的方法对轮廓进行分割和恢复,能够提取完整的建筑轮廓.最后,利用轮廓线段的相交关系获得建筑角点.实验结果表明,本文方法能够有效从地面LiDAR数据中提取建筑轮廓和角点,正确性、完整性和定位精度较高.     

从稀疏LiDAR数据中重建居民区建筑物

针对美国新奥尔良地区稀疏的LiDAR (light detecting and ranging) 点云数据,提出一种基于此数据的居民区建筑物重建方法。该方法利用最小包围轮廓来描述居民区建筑物形状,在TIN模型的基础上进行屋顶分割,得到属于每个建筑物的屋顶点;然后,基于三角面片的法向量方向信息对其进行聚类,根据法向量之间的关系进行屋顶类型识别和模型匹配,重建居民区建筑物。实验结果表明,该方法在进行居民区建筑物重建时,能达到95%的重建率,且重建所需时间合理,能够满足虚拟现实系统的需要。     

基于无人机遥感影像的建筑物轮廓目标检测系统设计

使用?CCD成像元件系统和基于动态扫描检测系统受到噪声影响,导致轮廓检测不完整,为解决这一问题,提出了基于无人机遥感影像的建筑物轮廓目标检测系统设计。依据系统总体架构可确定系统分为数据采集模块和处理模块。选择TLC2543A/D转换芯片,使控制字从数据输入终端连续输入。使用半导体激光传感器测量位置信息,在雪崩光电二极管上成像。采用MCS-51单片机内部数据存储器,将正常运行程序传送到高层,以便?CPU读取程序。选择371-4615型号CPU板,协调控制整机。设计轮廓目标检测流程,采用激光三角法测量方法计算待测建筑物轮廓目标距离,避免检测背景噪声影响。提取建筑物斑块,拐角点定位,完成建筑物轮廓目标检测。由实验结果可知,该系统不会受到噪声影响,能够确定建筑物轮廓和拐角,对建筑物轮廓目标识别具有一定参考意义。     

基于统计模型的书法笔画轮廓恢复*

获取书法汉字笔画的完整轮廓是进行计算机书法模拟和创作的重要前提,而笔画间的相互覆盖使得获取的笔画轮廓不完整。结合一个已有的统计模型,提出了一种新的笔画轮廓恢复方法。该方法通过建立轮廓模型、统计学习相似笔画来实现有缺失笔画轮廓的恢复。其主要过程包括笔画轮廓建模、建立并训练统计模型、运用统计模型恢复轮廓。实验表明该方法既有广泛的适应性又呈现良好的效果。     

Analyzing the Mallat Wavelet Transform to Delineate Contour and Textural Features

Analyzing natural scenes is made difficult when both contour and textural features are present. The problem of building suitable contour models from such images is compounded given texture region segmentation results in poor edge localization and multiscale edge representations cannot always separate salient contour features from irrelevant textural clutter. To overcome these problems, a novel algorithm is presented which first creates a multiscale edge representation using the Mallat wavelet transform and then recombines the edge map at each scale to create a single contour map where textural clutter has been minimized. This algorithm is then applied to natural and synthetic images containing contour features at different spatial scales and texture of varying spatial frequency and orientation. The results show that contour and textural features can be discriminated at each scale and the resulting contour map serves as a more effective representation on which subsequent localization and recognition tasks are based.     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。     

基于 AISI 网络的 BIM 三维重建方法研究

自动从点云数据生成建筑信息模型(BIM)一直是建筑自动化领域的研究热点。基于 传统算法的建筑自动三维重建的缺点包括人工设计特征,识别过程复杂,应用场景有限等。随 着三维机器学习领域的不断成熟,处理点云便有了新的手段。通过引入实例分割中的 ASIS 网 络框架对点云进行处理,即从扫描点云场景中自动分割和分类建筑构建元素并得到实例分割矩 阵。接着,基于包围盒假设从得到的实例分割矩阵中提取建筑构件外轮廓参数,并将外轮廓参 数和分割的语义分类结果作为 BIM 建模的构件参数。最后,将这些提取的构件参数输入到自制 的 IFC 生成器中,自动生成基于工业基础类(IFC)标准的 BIM 模型。实验表明,利用无噪点点 云方法,可实现基于曼哈顿世界假设下的室内单房间的三维重建。     

基于 BIM 和深度学习的建筑平面凹凸不规则识别

建筑抗震超限审查是高层建筑、特别是超高层建筑审查的重要内容,建筑平面凹凸不规则是建筑抗震超限审查的项目之一。目前的建筑平面凹凸不规则识别主要由人工依据设计规范进行,然而日益复杂的建筑平面设计超出了规范的示例范围,也加重了人工审查的负担。建筑平面识别可以看成是图片分类问题,考虑到实际工程中规则样本和不规则样本之间的不均衡性,利用异常检测的思想,提出了一种基于建筑信息模型(BIM)和深度学习进行建筑平面凹凸不规则辅助识别的方法。首先,利用几何对象之间的布尔交运算得到 BIM模型的建筑平面;然后,通过图片预处理,生成建筑平面外轮廓图;最后,将建筑平面外轮廓图输入已训练好的异常检测深度学习模型,反馈识别结果。实验结果表明,相比于传统的图片分类模型,采用异常检测的思路对不规则建筑平面图的识别率提高了 15%,更符合实际工程的需要。