正则化图形模糊聚类及鲁棒分割算法

针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题，提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项，嵌入现有图形模糊聚类所对应的目标函数；同时，利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项，采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明，所建议的分割算法是有效的，相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。     

基于L0优化的网格曲面特征线提取算法

基于网格曲面特征线的稀疏分布,提出一种优化的特征线提取算法。对于给定的网格,在每个面上计算一个值或向量作为输入。对输入的度量建立L_0优化模型,使其在网格边上的跃变尽可能少且优化前后的变化较小。给出基于变量分裂技术与罚函数方法的交替方向优化算法,并引入一种迭代的策略提升解的稀疏性,以取得更高质量的特征线。实验结果表明,该算法能有效提取网格曲面的特征线,与Crest lines算法、变分算法等相比,提高了特征线提取的质量和带噪数据的鲁棒性。     

基于航拍图像的输电线弧垂测量研究

高压输电线的弧垂是线路设计和运行的重要指标,关系到线路的运行安全,必须控制在设计规定的范围内。输电线弧垂测量是国内外电力部门和研究机构的重点研究内容。基于无人机多角度采集序列航拍图像,光束平差法优化和建立立方体网格点阵模型,获得输电线在实体空间的线路参数,实现弧垂的测量。实验结果表明,该方法成本低、效率高、安全可靠,适合在复杂的地理条件下应用,测量精度也能满足监测需要。     

多层次优化的网格曲面离散样条曲线设计方法

为同时满足鲁棒性、高效性以及广泛适用性等要求,提出一种基于多层次优化的网格域样条曲线设计方法.该方法放松了曲线严格位于曲面的约束,仅将曲线的离散控制点置于流形空间,并采用内点法的思想,运用基于块坐标下降法的全局优化方法进行数值求解,最后借助局部参数化将曲线段映射到网格曲面.在此基础上,文中提出由粗到细的多尺度层次求解策略,不仅能够更为准确地估算离散微分算子,提高求解精度,而且能够减少挪动采样点的计算量,提升求解效率.收敛性分析实验表明,多层次优化方法能够快速收敛,并在多尺度策略下获得更为光滑的结果.和现有的投影法和光顺法相比,该方法效率更高,且在可控性、普适性和鲁棒性上均表现出一定的优势.