从随机非概率数据中提取粗糙度及其可靠度

针对高程数据不能直观反映地形粗糙度和坡度的问题,提出了地形高程数据的预处理算法和地形特征提取算法并完成相应的地形特征提取。该方法的创新性在于首次将双线性插值重采样算法应用于地形高程数据的预处理和地形特征提取,并建立了相应的数学模型;通过应用某数字地形进行仿真验算表明,基于高程数据的地形信息提取方法是可行且可靠的;为精确识别目标信息和进行地形风险评估提出了一种新的研究思路。     

地形扫描图中高程数据的自动识别*

针对地形扫描图中高程数据的特点,提出了一种高程数据的自动探测与识别方法.首先,根据数学形态学中提取连通分量的算法探测并分离高程数据;其次,采用环投影变换及分形维数得到高程数据中数字字符的旋转不变性特征向量,并利用该特征向量识别高程数据. 实验表明,该方法能准确地识别高程数据.     

基于GPU的海量离散点高程并行插值算法

提出一种基于GPU的高程并行插值算法,实现了对三维地表上海量离散点的并行加速渲染。通过高程纹理组织三维地表网格高程数据作为离散点渲染的基础,并通过GLSL编写GPU着色器程序动态控制图形渲染管线,实现视点相关的高程并行插值算法。实验结果表明,提出的基于GPU的高程并行插值算法较传统的内存插值算法,将三维地表上海量离散点的渲染量级从百万级提高到了千万级。     

用于TF/TA的机载数字地形数据压缩算法研究

针对海量地形数据在低空突防飞机上的存储问题,提出了一种适用于TF/TA的机载数字地形高程数据压缩的算法;该算法首先对地形高程数据进行简单曲面拟合,对拟合前后的地形高程数据进行对比,计算残差,判定残差范围是否在飞机飞行的安全范围,对必须保留的残差数据进行基于DCT变换的JPEG有损压缩;最后,针对平坦与复杂地形数据提出了不同的压缩算法,验证了曲面拟合和JPEG有损压缩两种算法结合的可行性,并给出了实验评价,试验结果得到了比单纯JPEG压缩更好的压缩比。     

大幅面地图的快速自动地形晕渲

在提出一个建立三维规则数据场的新算法的基础上,提出了一个可用于大幅度地图的快速实用的地形自动晕渲算法,与传统数据网格化的方法不同,本算法采用了用网格点相邻等高线的高程值插值计算出网格点高程值的新思想,并且提出了相应的网格点相邻等高线的识别方法,该方法充分利用等高线所具有的先验知识,得到的网格点高程值质量很高,另外,该规则数据场的建立方法经改进后,其时间复杂性与数据点数（ｍ）和网格点数（ｎ）成线性关     

不同算法下生成的数字高程模型对比分析研究

目前数字高程模型的生成在大多数商用地理信息系统软件或遥感图像处理软件中都能实现,但提供的算法有所不同.结合目前常用专业软件提供的不同算法,对同一数据源的高程数据分别生成数字高程模型(DEM),进行对比分析后发现:使用现有专业软件生成的DEM均存在着差异,这些差异主要来源于不同软件采用的算法差别,并且DEM的差异具有空间分布的规律性和负高差多于正高差的特点.由此得出以下结论,TIN算法具有生成的DEM精度高等优点,LRS和Non-LRS算法具有生成的DEM结构简单等优点.若要进行三维显示、土方量计算等,则选择TIN算法生成;若要检查高程数据错误,则选择LRS或Non-LRS算法生成.     

基于迭代高斯模型的干涉DEM滤波算法

提出了一种基于迭代高斯模型的干涉DEM滤波算法。该算法首先对含有噪声的干涉SAR高程数据进行噪声检测,对不符合高斯模型分布的数据,标记为噪声点,建立噪声标记矩阵;然后对标记为噪声的点,依据其邻域窗口内数据的统计特性,采用曲面拟合算法估计得出噪声点处的真实高程值。通过实际DEM的实验结果表明:该算法在有效消除噪声点的同时,可以较好地保持地面的高程值;与传统的低通滤波、中值滤波、Sigma滤波的实验结果相比,该算法的滤波结果较为理想。〖JP〗     

基于Auto Lisp的局部高程点批量检查与修改技术

针对CAD平台下地形图高程数据存在一些高程缺陷或局部批量修改问题,设计一种多边形内匹配高程点和注记检查,批量修改CASS软件的数字地形图的局部错误高程值的算法,并利用Auto Lisp语言实现该算法。     

纹理图像无损隐藏三维DEM数据技术

本文提出了纹理图像隐藏高程信息来保护三维地形数据的信息隐藏技术。在保持地形形状和起伏特征的前提下,实现了高程数据的极低比特率压缩。应用改进的基于直方图平移的无损隐藏算法将地形数据隐藏到纹理图像中,在恢复过程中,纹理图像可以无损还原。隐藏的高程数据不易察觉,并且可以防止非法提取和恢复数据。     

OpenGL和分形算法在地形绘制中的应用

地形绘制是三维场景绘制的重要组成部分。本文研究了在分形算法和OpenGL基础上的三维地形绘制。运用分形插值算法生成高程数据,并做平滑处理,在对高程数据着色后利用OpenGL纹理映射技术实现三维地形的绘制输出。上述方法的实验结果取得预期效果,基本符合工程需要。     

航路规划中的地形数据压缩与多分辨率处理

面对机载实时在线航路规划的需求,提出一种基于稀疏四叉树分层存储的地形数据压缩算法。介绍非规则几何形状威胁的数学建模和数据压缩原理,研究数字高程数据多叉树分解后的数据结构和存储算法,设计以预规划航路为中心的多分辨率地形威胁模型,描述机载实时在线应用时的地形数据分辨率的处理过程。数值仿真结果证明了该算法的正确性。     

特征控制下的多样图地形纹理合成算法

针对三维虚拟室外场景的建模与绘制需求,提出一种多样图地形纹理合成算法。以地形数字高程模型数据和样图集为基础,根据用户自定义的纹理合成规则控制地形的高程值和坡度特征,并自动合成地形纹理。实验结果表明,利用该算法合成的纹理能够较好地反映自然界地形的分布情况,增强三维场景绘制的真实感。     

3D reconstruction of human face based on an improved seeds-growing algorithm

An algorithm based on binocular stereo vision is proposed to generate 3D (three-dimensional) dense points cloud model of the human face. A two-step matching strategy from sparse to dense is developed. Firstly, an improved seeds-growing algorithm is utilized to acquire sparse matching of high confidence. Secondly, based on the control points method and piecewise dynamic programming, the dense matching is completed. Experimental results show that the proposed algorithm can produce smooth and dense 3D points cloud model of the human face.     

受限玻尔兹曼机的稀疏化特征学习

受限玻尔兹曼机(RBM)作为深度学习算法的一种基础模型被广泛应用,但传统RBM算法没有充分考虑数据的稀疏化特征学习,使得算法性能受数据集的稀疏性影响较大。提出一种RBM稀疏化特征学习方法(sRBM),通过归一化的输入数据均值确定数据集的稀疏系数,将稀疏系数大于阈值的稠密数据集自动转化为稀疏数据集,在不损失信息量的情况下实现输入数据的稀疏化。在手写字符数据集和自然图像数据集上的实验结果表明,sRBM通过输入数据稀疏化有效提升了RBM的稀疏化特征学习性能。     

一种快速DEM生成算法

数字高程模型ＤＥＭ在地理信息系统（ＧＩＳ）中有着广泛的应用。它是生成三维立体地貌，计算地面距离、坡度、土方、面表积等的基础数据模型，也是巡航飞行器地形相关匹配的基础数据。本文首先提出了一种由离散无序数据快速生成ＤＥＭ的方法，着重讨论了数据分析技术、分块搜索技术。同时还给出了一种启发式自适应分块方法。最后报告了笔者用该方法生成ＤＥＭ的实验结果。     

基于动态网格的数据流离群点快速检测算法

离群点检测问题作为数据挖掘的一个重要任务,在众多领域中得到了应用.近年来,基于数据流数据的挖掘算法研究受到越来越多的重视.为了解决数据流数据中的离群点检测问题,提出了一种基于数据空间动态网格划分的快速数据流离群点检测算法.算法利用动态网格对空间中的稠密和稀疏区域进行划分,过滤处于稠密区域的大量主体数据,有效地减少了算法所需考察的数据对象的规模.而对于稀疏区域中的候选离群点,采用近似方法计算其离群度,具有高离群度的数据作为离群点输出.在保证一定精确度的条件下,算法的运行效率可以得到大幅度提高.对模拟数据集和真实数据集的实验检测均验证了该算法具有良好的适用性和有效性.     

基于聚集区域的强关联OLAP查询解决方案设计

聚集区域的OLAP查询解决方案是基于对数据仓库中数据立方体聚集区域认识的基础上提出的。它结合MO-LAP和ROLAP的特点,能够有效地识别出数据立方体中的聚集区域和稀疏点,通过不同的存储方式提高查询效率。基于上述思想,该文还提出了聚集区域查询(DSR)算法和严格约束的聚集区域查询(SDSR)算法,并对两种算法进行了仿真比较。     

Fast rendering of massive textured terrain data

This paper proposes a framework based on tile-pyramid model and linear quadtree tile-index, which enables the real-time rendering of out-of-core terrain data sets while guaranteeing geometric and texture accuracy. The Digital Elevation Model pyramid and the orthophoto pyramid are created in advance and the quadtree is used for constructing tile-index and managing data tiles. To achieve real-time loading of terrain dataset, the view frustum culling technology and the target-tiles searching algorithm based on resolution-testing and the tile-request prediction mechanism are used. While rendering the terrain tiles, the dynamic bintree triangulation is used. Experimental results show that based on the current personal computer, this framework can achieve good performance for real-time rendering of massive terrain dataset whose size is unlimited.     

基于Zipf分布的网格密度峰值聚类算法

网格密度峰值聚类在兼顾密度峰值聚类算法可识别任意形状类簇的基础上,通过数据集的网格化简化整体计算量,成为当前备受关注的聚类方法.针对大规模数据,如何进一步区分稠密与稀疏网格,减少网格密度峰值聚类中参与计算的非空网格代表点的数量是解决“网格灾难”的关键.结合以网格密度为变量的概率密度分布呈现出类Zipf分布的特点,提出一种基于Zipf分布的网格密度峰值聚类算法.首先计算所有非空网格的密度并映射为Zipf分布,根据对应的Zipf分布筛选出稠密中心网格和稀疏边缘网格;然后仅对稠密中心网格进行密度峰值聚类,在自适应确定潜在聚类中心的同时减少欧氏距离的计算量,降低算法复杂度;最后通过对稀疏边缘网格的处理,进一步优化类簇边界并提高聚类精度.人工数据集和UCI数据集下的实验结果表明,所提出算法对大规模、类簇交叉数据的聚类具有明显优势,能够在保证聚类精度的同时降低时间复杂度.     

Robust dense reconstruction by range merging based on confidence estimation

Although the stereo matching problem has been extensively studied during the past decades, automatically computing a dense 3D reconstruction from several multiple views is still a difficult task owing to the problems of textureless regions, outliers, detail loss, and various other factors. In this paper, these difficult problems are handled effectively by a robust model that outputs an accurate and dense reconstruction as the final result from an input of multiple images captured by a normal camera. First, the positions of the camera and sparse 3D points are estimated by a structure-from-motion algorithm and we compute the range map with a confidence estimation for each image in our approach. Then all the range maps are integrated into a fine point cloud data set. In the final step we use a Poisson reconstruction algorithm to finish the reconstruction. The major contributions of the work lie in the following points: effective range-computation and confidence-estimation methods are proposed to handle the problems of textureless regions, outliers and detail loss. Then, the range maps are merged into the point cloud data in terms of a confidence-estimation. Finally, Poisson reconstruction algorithm completes the dense mesh. In addition, texture mapping is also implemented as a post-processing work for obtaining good visual effects. Experimental results are presented to demonstrate the effectiveness of the proposed approach.