全局各向异性四边形主导网格重建方法?

四边形网格的结构特点要求网格单元满足全局一致性,难以取得网格质量与表达效率之间的平衡。为此,提出一种基于全局的各向异性四边形主导网格重建方法,可生成网格质量好且冗余程度低的四边形网格。重建过程以主曲率线为基本采样单元,首先计算模型表面的主曲率场并对主曲率场积分,得到密集的主曲率线采样;再根据贪心算法,利用几何形体自身的各向异性找出冗余度最高的主曲率线并予以删除;如此循环,直至达到理想的采样密度。该重建方法适用于任意拓扑网格模型,所得到的各向异性四边形主导网格在网格模型分辨率下降时,由于始终保留重要主曲率线,从而可以更好地保持模型特征。同时,在基于贪心算法的渐进式主曲率线删除过程中,可产生分辨率连续可调的四边形主导网格。     

一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体，并且背景的绝大多数均为静止时，该算法适用。其基本原理是：将不包含目标物，全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较，把相同的成分视为背景消去，得到目标物图像；同时为了消除各种因素所产生的影响，在比较时引入适当的容差，对比较结果做去噪处理，并通过检验区域连通性，消去与目标域不连通的区域。试验表明，应用该算法无需人机交互，提取精度较高，抗干扰能力强，有较好的实用性。     

背景信息提取运动目标物图像分割算法

文章提出了一种利用运动信息提取图像中研究对象的算法。当要提取的目标物是运动物体,并且背景的绝大多数均为静止时,该算法适用。考虑到算法的可靠性,分析在不同的背景条件下,颜色模型的选择对试验结果的影响。通过实验表明,该算法具有一定的可靠性,能够满足在一定天气与背景条件下的运动目标物体的提取。     

一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体 ,并且背景的绝大多数均为静止时 ,该算法适用。其基本原理是 :将不包含目标物 ,全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较 ,把相同的成分视为背景消去 ,得到目标物图像 ;同时为了消除各种因素所产生的影响 ,在比较时引入适当的容差 ,对比较结果做去噪处理 ,并通过检验区域连通性 ,消去与目标域不连通的区域。试验表明 ,应用该算法无需人机交互 ,提取精度较高 ,抗干扰能力强 ,有较好的实用性     

货车超限差分算法图像分割

该文讨论了在铁路货物超限监测中,利用数字图像处理技术提取货车轮廓,从而用于货车超限判断。其中的核心问题是运动货车图像的提取。该文提出了基于差分算法下自动图像分割的方法,在一定天气与背景条件下,测试结果表明,该算法适应性较好,检测精度和速度基本能满足要求。     

全局各向异性四边形主导网格重建方法

四边形网格的结构特点要求网格单元满足全局一致性,难以取得网格质量与表达效率之间的平衡.为此,提出一种基于全局的各向异性四边形主导网格重建方法,可生成网格质量好且冗余程度低的四边形网格.重建过程以主曲率线为基本采样单元,首先计算模型表面的主曲率场并对主曲率场积分,得到密集的主曲率线采样;再根据贪心算法,利用几何形体自身的各向异性找出冗余度最高的主曲率线并予以删除;如此循环,直至达到理想的采样密度.该重建方法适用于任意拓扑网格模型,所得到的各向异性四边形主导网格在网格模型分辨率下降时,由于始终保留重要主曲率线,从而可以更好地保持模型特征.同时,在基于贪心算法的渐进式主曲率线删除过程中,可产生分辨率连续可调的四边形主导网格.