基于空间分布描述符的SIFT误匹配校正方法

针对SIFT（scale invariant feature transform）特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的“一对多”和“一对一”的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC（随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。     

城市排水管网运行问题识别及改进措施研究

为了更好地解决城市排水管网运行过程中存在的问题,以典型片区A为研究对象,基于在线监测数据,采用排水模型对管网系统运行状况进行模拟分析。在特定降雨模拟情景下,超负荷运行和排水不畅成为城区管网维护的突出问题,分析认为片区内存在上述问题与地面硬化率、管道坡度和管径等因素存在直接关系,可通过低影响开发有效降低不利因素产生的影响。研究成果可有效降低后期经济方面的投入,对管网系统的维护管理具有一定的借鉴作用。     

通州区水环境安全指标体系研究及评价方法

为研究南通市通州区的水环境安全状况,运用压力—状态—响应（PSR）模型,并结合通州区的水环境特点,建立了一套水环境安全评价指标体系,在层次分析法求得指标权重的基础上,利用综合指数法对水环境安全状况进行评价。结果表明,2010年通州区的水环境处于不安全状态,其中单位面积化肥使用量、人均水资源量、化学需氧量排放负荷和废水中氨氮排放负荷4项指标是影响通州区水环境安全的主要胁迫因子。     

基于广义典型相关分析的仿射不变特征提取方法

该文结合广义典型相关分析(GCCA)理论,提出了一种新的图像仿射不变特征提取方法。首先,基于多尺度自卷积变换(MSA)构造了一组新的变换量多尺度自卷积熵(MSAE)。然后证明了该熵具有仿射不变性;再利用GCCA将MSA和MSAE变换值作为两种特征进行融合,得到具有更丰富图像信息的组合特征。最后利用MSA,MSAE和组合特征,结合最近距离分类器分别对视点变换图像以及加噪声、加部分遮挡视点变换图像进行分类识别实验。结果表明,组合特征得到了最高的正确识别率,MSAE次之,MSA最低。     

仿射不变的多尺度自卷积熵提取方法

为从在不同视角获取的同一场景图像中提取更加独特的不变特征,提出一种图像仿射不变特征的提取方法.首先基于多尺度自卷积变换(MSA)构造了一组新的变换量--多尺度自卷积熵(MSAE);并让明了该熵具有仿射不变性;最后利用最小距离分类器分别对视点变换图像,以及加噪声,加部分遮挡视点变换图像进行分类识别实验.实验结果表明,MSAE特征能够获得更高的正确识别率.     

基于抽象匹配流的彩色图像配准模型

在抽象匹配流框架下,构造能够克服大色差问题的彩色图像配准模型.该模型中,数据项采用互相关函数作为2幅图像间的相似性度量,以解决大色差问题;正则项采用各向异性扩散滤波器约束图像演化,从而实现在演化过程中对图像特征的有效保持.扩散滤波器中的扩散系数定义为关于彩色结构张量的函数,以使图像演化能够综合各通道信息,解决了各通道所得位移场不一致而引起的色彩混迭问题.实验结果表明,文中模型对具有大色差的彩色图像能够实现有效配准.     

耦合配准与分割的水平集演化模型

提出一种配准与分割耦合模型。配准项采用基于抽象匹配流的非参数配准模型,解决基于B样条的参数化配准方法与非参数活动轮廓模型在定义形式和求解方法上不一致的问题。分割项采用基于边缘的活动轮廓模型实现对感兴趣区域的分割,对分割模型的改进解决原有模型对初始化敏感的问题。整个模型直接定义在水平集函数上,定义直观,数值求解简单。对单模态及多模态大脑图像的实验,验证该模型的有效性。     

数学排水模型在管网养护中的应用

针对城市排水管网养护不当造成的管网排水不畅、节点溢流、管段超负荷运行得不到有效缓解等问题,以南方城市A区为研究对象,运用物联网在线监测技术对管网过载和漫溢风险问题进行分析和识别,利用数学排水模型软件模拟运算了不同设计降雨情景下管网系统运行状况,并基于监测数据和模型模拟结果制定相应的养护措施。研究结果表明,随着降雨强度的增大和降雨时间的加长,超负荷运行管段长度、节点溢流数量及溢流总量等随之增多,最初主要发生于上游的管道过载和节点溢流情况逐渐向中下游扩展;总溢流量偏大的节点和过载排水时间偏长的管段均属于重点养护对象,应在雨峰出现前后加强对各节点和管段的巡查。     

基于改进光流场模型的大脑图像配准

将光流场模型引入大脑图像配准,针对Horn模型会造成图像严重模糊的问题,在微分光流场模型的一般框架下,构造具有边缘保持和一致性增强能力的流驱动各向异性扩散方程作为正则项,以增强配准过程的特征保持能力;采用非二次惩罚函数作为数据项,以增强模型的鲁棒性.最后利用文中模型对大脑图像进行配准实验,得到了较为准确的结果.