一种基于模糊线段生长的离散曲率估计

针对Z2空间中的8连通边界曲线,提出一种基于模糊线段生长的离散曲率估计方法。该方法引入“序”为d的模糊线段生长算法,将曲线上生长出的最长模糊线段作为切线的近似,并计算出了离散曲率。实验表明,该方法不仅较好地反映了曲线点的局部特性,而且增加了对离散曲线噪声的适应能力,离散曲率估计性能获得了显著的提高。     

散乱点云数据曲率估计方法

针对带有强噪声离散点云数据曲率计算问题,提出一种基于稳健统计的曲率估计方法。首先,用一个二次曲面拟合三维空间采样点处的局部形状;其次,随机地选择该采样点邻域内的子集,多次执行这样的拟合过程,通过变窗宽的最大核密度估计,就得到了最优拟合曲面;最后,将采样点投影到该曲面上,计算投影点曲率信息,就得到采样点曲率。实验结果表明,所提方法对噪声和离群点是稳健的,特别是随着噪声方差的增大,要明显好于传统的抛物拟合方法。     

人体尺寸测量数据的局部特征提取方法

使用基于K-means思想的KS主曲线算法，对国家人休尺寸测量工作中产生的带噪声扫描线数据集合进行非线性拟合，并依据曲率分布特征提出对目标特征点空间位置进行模糊分区估计的方法；同时提出了变量化模糊分区的优化策略，大幅度地提高了局部特征区域搜索的效率．     

U弦长曲率:一种离散曲率计算方法

数字曲线的离散曲率计算在图像分析和计算机视觉的各个领域都有广泛应用.文中提出一种离散曲率计算方法——U弦长曲率.数字曲线上的每个点,它的支持领域由距离该点为给定弦长的两点确定,再在这个支持领域内估算当前点的U弦长曲率,理论分析论证U弦长曲率与曲线的真实曲率之间存在一种明确联系.与现有的离散曲率计算方法相比,U弦长曲率具有更强的抗旋转性和抗噪性,适用于完成曲线匹配等对曲率计算稳定性要求高的一类任务.仿真实验结果验证文中方法的有效性.     

利用应变片实现曲线形状的实时检测

介绍了一种实时检测曲线形状的方法.利用了柔性杆表面某一点的应变与这一点的曲率成正比这一 特点,通过应变片来实时检测柔性杆表面若干点的应变􀁯,从而获得这些点上的曲率.随后由计算机根据柔性杆上这 些离散点的曲率,将柔性杆形状曲线实时地绘出,从而实现了对曲线形状的实时检测.􀁱     

基于曲率估计的Canny边缘检测算法

为了解决传统Canny边缘检测算法对噪声敏感的问题,针对噪声边缘弯曲度大且弯曲空间范围小的二维空间特性,构造了基于曲线曲率估计的边缘曲度算子,并利用大尺度Canny算法边缘检测结果对边缘曲度算子进行修正,使该算子能够准确地表征噪声强度在二维空间中的分布情况,在此基础上,提出了一种在边缘检测过程中加入边缘曲度算子进行噪声衰减的边缘检测算法. 实验结果表明,算法在有效抑制噪声的同时,保留了变化丰富的细节边缘及变化缓慢的轮廓边缘,检测结果较好地反映了图像的原始结构特征.     

噪声鲁棒的分水岭网格分割算法

提出一种对逆向工程网格噪声鲁棒的分水岭分割算法.该算法在计算网格离散曲率时,针对曲率计算对网格噪声特别敏感的问题,根据拟合曲面的曲面误差估计,动态地调整拟合曲面的顶点个数,提高了曲率计算的精确性,增强了基于曲率的分水岭算法对噪声的鲁棒性;通过后续的标识、聚类和分割后处理方法,提高了算法的分割精度和效果.该算法在大量的噪声网格模型上获得了较好的分割结果,适用于逆向工程中的二次曲面识别和NURBS曲面逼近.     

小波域噪声分布估计的自适应正则化图像恢复

提出一种正则化图像恢复中自适应选择局部正则化参数的方法．首先提出局部正则化参数的大小应正比于降质图像局部噪声方差；然后在小波域内给出一种估计降质图像局部噪声方差的算法；最后根据小波域噪声方差估计值的分布自适应地确定局部正则化参数．实验结果表明，对于存在多种类型噪声的降质图像，文中方法对噪声方差的估计在分布上与真实噪声一致，而在恢复效果上则要优于Katsaggelos所提出的方法．     

基于模糊逻辑的脉冲噪声自适应滤除

为了去除具有多个随机值的普通脉冲噪声,提出一种基于模糊逻辑的自适应去噪方法。首先,利用像素邻域梯度并结合模糊逻辑相关理论进行噪声点初步检测;然后,通过噪声直方图统计对噪声点作二次检测,排除误判的噪声点;最后,保留非噪声点,对噪声点进行自适应加权均值滤波,滤除噪声。仿真结果表明,该算法可以取得优于传统方法的去噪效果,并且能很好地保护图像的边缘和纹理信息。     

曲率自适应条件下特征点选取的非均匀B样条曲线插值方法

针对计算机数控编程阶段生成的海量离散刀位数据,在满足预设插值精度的条件下,提出一种基于曲率自适应选取特征点的非均匀B样条曲线插值方法.首先,采用相邻3点形成近似圆弧的方法计算各个离散刀位数据点的曲率,将曲率分段点、曲率极大值点等特征数据点作为初始插值数据点,构造生成初始非均匀B样条插值曲线;其次,建立插值误差计算模型,并用于计算所有未参与插值的数据点与非均匀B样条插值曲线间的插值误差,在超出预设插值误差的曲率段内增加新的特征点,生成新的非均匀B样条插值曲线;重复上述过程,直至所有不在非均匀B样条插值曲线上的数据点都满足插值精度条件为止.对实际加工离散刀位数据的仿真计算结果表明,该方法即便去除了大量原始离散刀位数据,也能更好地保留原始刀位数据曲线在外形和精度方面的特征,且具有迭代计算次数少、数据点去除量大等特点,在海量离散刀位数据的样条化数控编程方面具有较高的应用价值.     

基于曲率尺度空间的VOP形状编码算法

首先对曲率尺度空间（CSS）算法进行改进，并用改进的CSS算法对任意形状物体的形状信息进行特征点的分层提取；其次，用自适应算术编码算法对固定长度的八分圆编码算法进行改进，并对所提取的特征点进行算术编码，实验结果表明，这种新的基于特征点提取的形状编码方法比MPEG-4校验模型中基于上下文的算术形状编码算法，在Dn相同的条件下，主观质量更好，且压缩比更高。     

一种空间曲线轨迹跟踪的无人机自适应导航控制算法

随着固定翼无人机飞行任务复杂化,为了实现高精度的空间曲线导航控制,基于L1-Navigation非线性导航控制算法,设计自适应模糊控制器优化固定翼无人机跟踪空间曲线导航控制方法。以球面上的空间八字曲线为例,对八字曲线建模,通过坐标转换求得目标航点位置来计算无人机飞行加速度。为了优化加速度控制无人机跟踪空间曲线性能,在L1-Navigation导航控制器中,针对增益系数设计一个双输入单输出模糊控制系统,以轨迹误差和轨迹误差变化率为输入量,以计算横向加速度的增益系数常数为输出量。最后,在Ardupilot飞控中进行飞行模拟实验,飞行实验表明,所提出方法能够精确跟踪空间曲线路径,并且有很好的自适应性。     

基于模糊神经网络的通用模型自适应控制

自适应控制是一种提高系统鲁棒性的有效方法。模糊神经网络具有了模糊逻辑和神经网络两者的优点,结合模糊神经网络（Fuzzy Neural Network—FNN）自适应控制策略和通用模型控制（Common Model Control—CMC）方法,以此来实现被控对象的逆控制,提出了基于模糊神经网络的通用模型自适应控制（FNNC—CMAC）。此控制方法参考轨迹是一条典型二阶曲线,仿真结果验证了鲁棒性,与基于模糊神经网络的通用模型控制及基于模糊逻辑的通用模型自适应控制相比,其控制性能更好。     

基于SSCL的模糊C均值图像分类方法

针对传统模糊C均值聚类方法对噪声敏感和过分依赖于初始聚类中心的缺点,提出基于SSCL的模糊C均值图像分类的自适应算法。该算法首先通过SSCL获得初始类别数和类别中心,然后作为模糊C均值聚类的输入,自动对图像进行分割,并对图像分割结果利用空间信息进行后处理。实验结果表明该方法较好地解决了FCM算法中的初始化和噪声敏感问题,具有较好的分类结果。     

由整体到局部的平面曲线部分匹配算法

在基于曲线匹配的检索系统中,提高曲线的匹配速度和精度具有重要的意义.提出一种平面曲线的部分匹配算法,该算法分为整体搜索和局部匹配2个阶段.首先整体搜索确定候选的匹配区域,然后在局部进行精确匹配和验证.对于特征点较少的曲线,根据曲率极值点将曲线划分为多条曲线段,采用局部线性搜索法实现曲线的部分匹配.实验结果说明了算法的有效性.     

一种改进的NURBS曲线插补算法

针对NURBS曲线曲率变化过快或出现曲率不连续点会导致插补进给速率变化过快,超出机床的加减速能力。提出一种利用NURBS曲线曲率特征的改进插补算法。该算法根据NURBS曲线曲率的变化情况将曲线分成曲率平缓段和曲率突变段,在前瞻过程中扫描出曲率突变段,获得该段的起始点、终止点及最低速率点等信息,采用梯形加减速方法对该段进行速度规划,以满足机床动态特性,实现在曲率平缓段以指令速度插补,在曲率突变段以规划速度平滑插补。仿真实验结果表明,在保证加工精度的前提下,该增强算法以较高效率实现了曲率突变段的平滑插补。     

Sketching piecewise clothoid curves

We present a novel approach to sketching 2D curves with minimally varying curvature as piecewise clothoids. A stable and efficient algorithm fits a sketched piecewise linear curve using a number of clothoid segments with G² continuity based on a specified error tolerance. Further, adjacent clothoid segments can be locally blended to result in a G³ curve with curvature that predominantly varies linearly with arc length. We also handle intended sharp corners or G¹ discontinuities, as independent rotations of clothoid pieces. Our formulation is ideally suited to conceptual design applications where aesthetic fairness of the sketched curve takes precedence over the precise interpolation of geometric constraints. We show the effectiveness of our results within a system for sketch-based road and robot-vehicle path design, where clothoids are already widely used.     

Using simple decomposition for smoothing and feature pointdetection of noisy digital curves

This correspondence presents an algorithm for smoothed polygonal approximation of noisy digital planar curves, and feature point detection. The resulting smoothed polygonal representation preserves the signs of the curvature function of the curve. The algorithm is based on a simple decomposition of noisy digital curves into a minimal number of convex and concave sections. The location of each separation point is optimized, yielding the minimal possible distance between the smoothed approximation and the original curve. Curve points within a convex (concave) section are discarded if their angle signs do not agree with the section sign, and if the resulted deviations from the curve are less than a threshold ε, which is derived automatically. Inflection points are curve points between pairs of convex-concave sections, and cusps are curve points between pairs of convex-convex or concave-concave sections. Corners and points of local minimal curvature are detected by applying the algorithm to respective total curvature graphs. The detection of the feature points is based on properties of pairs of sections that are determined in an adaptive manner, rather than on properties of single points that are based on a fixed-size neighborhood. The detection is therefore reliable and robust. Complexity analysis and experimental results are presented