基于复形法配准工业产品CT切片模型和CAD模型*

在对工业产品进行体积CT扫描时,会存在定位偏差问题,所以工业产品CT切片模型与其CAD模型之间的配准是必不可少的。首先从CT切片模型的表面选取n个点,再把这n个点到CAD模型的距离平方和作为目标函数,通过复形法搜索目标函数极小值,就可求出空间变换的位置匹配参数和角度匹配参数。仿真结果表明,利用复形法可得到满意的结果。     

基于复形法配准工业产品CT切片模型和CAD模型

在对工业产品进行体积CT扫描时．会存在定住偏差问题，所以工业产品CT切片模型与其CAD模型之间的配准是必不可少的。首先从CT切片模型的表面选取n个点，再把这n个点到CAD模型的距离平方和作为目标函数，通过复形法搜索目标函数极小值，就可求出空间变换的位置匹配参数和角度匹配参数。仿真结果表明．利用复形法可得到满意的结果。     

正则化最近点优化图像集匹配的三维人脸识别

针对传统的三维人脸识别算法受光照、表情、姿态及遮掩等变化而影响识别性能的问题,提出了一种基于正则化最近点优化图像集匹配算法。将图库图像集和探针图像集建模成正则化仿射包,利用迭代器自动确定两个图像集间的正则化最近点;利用最近子空间分类器最小化正则化最近点;根据正则化最近点之间的欧氏距离及结构计算RNP集之间的距离,利用最近邻分类器完成人脸的识别。在Honda/UCSD、BU4DFE两大视频人脸数据库上的实验验证了该算法的有效性及可靠性,实验结果表明,相比其他几种较为先进的三维人脸识别算法,该算法取得了更好的识别效果,同时,大大减少了训练及测试总完成时间。     

基于概率图模型的点集匹配方法研究

在概率图模型框架下提出了一种将回归分析和聚类分析相结合的贝叶斯点集匹配方法,其中,回归分析用来估计两个点集之间的映射函数,而聚类分析用来建立两个点集中点与点之间的对应关系.本文将点集匹配问题表示为一种多层的概率有向图,并提出了一种由粗到精的变分逼近算法来估计点集匹配的不确定性;此外,还利用高斯混合模型估计映射函数回归中的异方差噪声和场景点密度估计中离群点的分布;同时,引入转移变量建立起模型点集与场景点集之间的关系,并与离群点混合模型共同对场景点的分布进行估计.实验结果表明,该方法与其他点集匹配算法相比,在鲁棒性和匹配精度方面均达到了较好的效果.     

改进的工业CT图像与CAD模型的比对检测

改进了一种基于工业计算机断层成像(industrial computed tomography,ICT)图像与计算机辅助设计(computer aided design,CAD)模型的比对检测算法,分析工件制造误差。首先对工业CT图像用三维Otsu法进行阈值分割,并分别提取边缘面与角点特征;然后对工业CT图像角点特征与工件的CAD模型用文中研究的旋转投影法求取方向包围盒,进而实现粗配准;再结合角点特征点集和奇异值分解—迭代最近点算法进行精配准,最近点对的求取用k-d树进行加速;最后在边缘面上显示误差。实验结果表明,该方法在工件比对检测过程中,粗配准精度更高,适应性更好。整个比对检测过程更加高效,速度上有了较大的提高。     

提高CT图像手骨模型重建精度的方法

为提高在体骨骼模型的3D重建精度,对CT扫描方式和利用CT图像重建骨骼模型的方法进行研究,提出一种基于灰度特征搜索匹配点的图像层间插值算法.该算法根据插值点相邻层邻近点的灰度值特征选择参考点;以参考点为依据在另一相邻层图像某区域内搜索与参考点灰度相近并且距离较小的匹配点;利用参考点和匹配点灰度值以及距离关系计算插值点灰度值.对人体9块手骨进行模型重建,将原始CT图像重建模型和插值优化后的重建模型分别与解剖模型进行比较的结果表明,优化前与优化后平均正偏差均值由0.30 mm减小到0.11 mm,平均负偏差均值由0.27 mm减小到0.09 mm.     

点云模型自适应增加采样点算法

提出一种新的点集模型自适应增加啊采样算法.算法利用最小二乘法求出点云模型上每个点的局部光滑曲面片,并由所求得的曲面多项式计算点集曲面上每个点的曲率.通过对每个点及其邻点进行Voronoi剖分,求取每个点所控制的有效采样区域,然后根据曲率在有效区域内建立采样栅格,求取有效区域内的栅格点在曲面上的投影点即为新增采样点.该方法得到的增加采样模型可以较好地保持原点云模型曲面的几何性质,同时还可以通过选择不同的栅格得到适用于不同处理要求的点云模型.     

基于变分贝叶斯逼近的前向仿射变换点集匹配方法研究

本文建立了两个点集线性匹配过程的贝叶斯模型框架,并利用变分贝叶斯逼近方法对模型点集到场景点集的仿射参数进行估计。该模型利用一个有向图对映射参数、隐藏变量、模型与场景点集的关系进行了描述,并基于有向图给出了各个参数和变量后验概率的迭代估计算法。而且该模型还利用了一个带有各向异性协方差矩阵的高斯模型对场景点集的离群点进行了估计和推理。实验结果表明该模型在鲁棒性和匹配精度方面均获得了良好的效果。     

基于松弛标号算法的多传感抗差航迹关联

针对多传感抗差航迹关联问题,从理论上分析传感器系统偏差对航迹点集拓扑结构的影响,利用非刚性变换表征两点集之间的拓扑差异.建立抗差航迹关联问题的点模式匹配模型,采用基于松弛标号迭代的非刚性点匹配方法对其进行求解.针对不同测距、测角偏差、目标密度和检测概率水平构造多组典型仿真场景,仿真实验验证了所提出算法的有效性.     

基于深度信念网络的异常点集间的匹配算法

在存在异常值、噪声或缺失点的情况下,损坏的点集中很难区分异常点与正常点,并且点集之间的匹配关系也会受到这些异常点的影响。基于正常点之间存在某种联系以及正常点与异常点之间存在差异的先验知识,提出将点集间匹配关系的估计问题模型化为机器学习的过程。首先,考虑到两个正常点集之间的误差特征,提出了一种基于深度信念网络（DBN）的学习方法来训练具有正常点集的网络;然后,使用训练好的DBN测试损坏的点集,根据设置的误差阈值在网络输出端就可以识别异常值和不匹配的点。对存在噪声和缺失点的2D、3D点集所做的匹配实验中,利用模型预测样本的结果定量评估了点集间的匹配性能,其中匹配的精确率可以达到94%以上。实验结果表明,所提算法可以很好地检测点集中的噪声,即使在数据缺失的情况下,该算法也可以识别几乎所有的匹配点。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

Localization and comparison of two free-form surfaces

Comparison of two free-form surfaces based on discrete data points is of paramount importance for reverse engineering. It can be used to assess the accuracy of the reconstructed surfaces and to quantify the difference between two such surfaces. The entire process involves three main steps: data acquisition, 3D feature localization and quantitative comparison. This paper presents models and algorithms for 3D feature localization and quantitative comparison. Complex free-form surfaces are represented by bicubic parametric spline surfaces using discrete points. A simple yet effective pseudoinverse algorithm was developed and implemented for localization. It consists of two iterative operations, namely, constructing a pseudo transformation matrix and point matching. A computing algorithm was developed to compare two such surfaces using optimization techniques. Since this approach does not involve solving non-linear equations for the parameters of positions and orientations, it is fast and robust. The algorithm was implemented and tested with several examples. It is effective and can be used in industry for sculptured surface comparison.     

基于迭代式动态规划的影像密集匹配

针对动态规划影像密集匹配中因匹配的整体相关性导致的误匹配点连带扩散效应问题,提出了一种基于迭代式动态规划的影像密集匹配算法。该算法在影像密集匹配过程中引入了视差方向一致性、视差突变性作为迭代判定准则,通过对动态规划匹配结果中不满足迭代条件的候选匹配点子集进行分析,在候选匹配点子集中识别出误匹配点并去除之,反复迭代直至满足迭代准则,从而解决了误匹配点的连带扩散效应问题。该算法已成功应用于嫦娥三号遥操作项目,经在轨应用的检验表明,提出的基于迭代式动态规划的影像密集匹配算法能够极大地降低立体影像匹配中密集同名点的误匹配率。     

基于多幅实拍照片为真实景物模型添加纹理

利用实拍照片为基于真实景物创建的几何模型添加纹理的方法正在受到广泛的关注,实拍照片与几何模型的配准是这项技术的关键.以往方法采用3D-2D特征点匹配或侧影轮廓线匹配的方法进行配准,因此对空间物体的表面特征或轮廓线形状有特殊的要求.提出了一种新的配准方法来解决这一问题,由于采用了基于图像重建的采样点模型与已知几何模型在空间中匹配的方法实现配准,因而充分利用了物体几何形状本身的拓扑和曲率等信息,并可以一次性地实现所有图像与空间物体的配准.实验结果表明,该方法可以解决一部分用以往的方法尚无法处理的实际问题,且在重建空间采样点分布较为合理的情形下,纹理映射效果非常理想.     

基于权重学习的图像最大权对集胚配模型

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况。为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法。一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn—Munkras算法求解。一阶最大权对集模型在本质上等价于二次分配问题的线性情况。在CMUHouse数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况。     

结合聚类参数的圆投影模板匹配改进算法

针对圆投影模板匹配方法特征提取过程中损失大量图像信息的缺点,提出了结合聚类模型参数的线性光照鲁棒圆投影模板匹配方法。所提方法采用线性对比度拉伸来消除光照影响,并将模板图像各圆环内像素点的高斯混合模型聚类参数作为模板特征。匹配时通过一次迭代计算即可得到匹配误差,且该匹配过程可通过查找表来提高匹配速度。在目标搜索时使用了降采样搜索方法,并将降采样搜索匹配后各位置的误差均值作为自适应阈值,对匹配误差小于该阈值的降采样点邻域进行逐点匹配,匹配误差最小的位置作为最终匹配结果。试验及分析说明所提方法的定位误差及可靠度与基于归一化相关及均值的圆投影匹配算法相比有较大提高。     

高斯过程混合模型应用于网络流量预测研究

精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合（GPM）模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机（SVM）、核回归（KR）、最小最大概率机回归（MPMR）和高斯过程（GP）等模型比较。通过对比均方根误差[(RMSE)]和决定系数[(R2)]评价指标,GPM模型的预测准确度要优于其他四种模型。说明GPM模型能够很好应用于网络流量预测,可以为网络管理者分配网络资源提供参考。     

稀疏补分析模型下迭代硬阈值正交投影

为了从含噪声的测量矢量中重构信号,研究了稀疏补分析模型理论及其迭代硬阈值正交投影算法。通过采用稀疏补正交投影修改了稀疏补分析模型下迭代硬阈值算法的迭代追踪过程;分析了迭代步长和稀疏补取值大小对算法收敛速度和重构性能的影响,找出了选取最优迭代步长和最佳稀疏补取值方法;提出并实现了稀疏补分析模型下迭代硬阈值正交投影算法,给出了算法收敛的充分条件和重构信号误差范围。仿真实验结果表明,算法的平均运算时间仅仅为AIHT、AL1和GAP算法的19%、11%和10%;算法重构信号的综合平均峰值信噪比(PSNR)比AIHT算法提高了0.89dB,但比AIHT、AL1算法稍逊色。算法在满足给定条件下能够以高概率实现含噪信号重构,重构信号的综合平均PSNR与典型算相比没有明显下降,但运算时间大为缩短,收敛速度更快。