测量数据点的高精度B样条曲线拟合算法

为提高曲线重构的效率,提出了关键点提取算法,用于三维测量型值点的B样条曲线逼近.根据离散曲率分析提取具有曲率极值的型值点作为初始关键点,再根据初始关键点和型值点的参数值构建的节点矢量,确保最小二乘矩阵满秩,用最小二乘法反算控制顶点.通过Hausdorff距离衡量逼近曲线与型值点间的逼近偏差,设定偏差阈值和多点调整算法,确定新增关键点的位置区间,根据形状指数分析找到新增关键点的精确位置,通过不断迭代找到满足逼近允差要求的最终关键点和控制顶点.实例验证表明,同一逼近允差前提下,新算法在迭代计破算时间、迭代次数及最终所得控制顶点个数等方面优于其他方法.     

基于多尺度张量分解的点云结构特征提取

针对传统点云处理算法弱特征提取与抗噪声能力之间的矛盾,提出了一种基于多尺度张量分解的点云结构特征提取算法。首先,利用张量矩阵奇异值分解进行采样点特征显著性编码;然后,将法向(切向)一致性测度与罗曼诺夫斯基准则相结合求取采样点最优邻域,以提高采样点特征识别的可靠性;最后,利用最小生成森林进行特征点遍历,构建点云结构特征曲线。实验结果表明,该算法可以实现复杂点云结构特征的有效识别。     

基于多尺度分析的人脸识别算法研究

针对传统的人脸识别算法易受光照等因素影响的缺点,提出了一种基于多尺度分析的人脸识别算法。首先,对采集到的人脸图像进行预处理,去除噪声,减弱无用信息,增强有用信息;然后,在粗尺度上采用形态学梯度边缘检测算法对人脸轮廓进行提取,缩小人脸库的搜索范围;最后,在细尺度上对人脸的不变特征进行提取,采用Harris角点检测算法对在粗尺度上得到的边缘图像进行特征提取,减少计算量,提高了识别速度。在所拍摄的人脸库上对算法进行验证,实验表明,对易于进行轮廓提取的人脸图像的识别速度较快,精度较高。     

非均匀有理B样条曲线多分辨率特征几何建模研究

NURBS曲线的几何建模,传统方法是通过模型的控制顶点对曲线进行操作、编辑和处理,繁琐费时,使NURBS曲线的设计变得十分困难。基于一种新的半正交非均匀B样条小波多分辨率技术将单一尺度几何空间变换到多尺度空域和频域空间,NURBS曲线的整体结构和局部细节被转化为曲线的多尺度整体特征和细节特征。通过对这种多尺度特征的编辑、操作和处理有效实现NURBS曲线的几何建模。     

基于多尺度分析的逆向工程截面线特征分割

为解决基于截面线特征重构中,初等曲线特征元和次要曲线特征元的分割问题,提出一种将多尺度分析与特征识别相结合的逆向工程特征分割方法.采用曲率尺度空间,实现截面线的多尺度分析和特征检测;利用相对转角法,实现单尺度特征融合;基于多尺度间信息传递和融合的多尺度特征融合算法获得多尺度特征集成.用多尺度曲率分析代替传统单一尺度逆向工程截面线分析,保证了特征分割结果,以及与基于特征设计和建模的特征元的一致性.合成复合曲线和实际扫描截面线的实例表明,提出的方法可以有效地实现逆向工程截面线多尺度特征分割.     

基于曲率突变分析的点云特征线自动提取

点云特征线提取是点云模型重构的基础,国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究,但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题,看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发,借鉴图像处理中的区域分割和边缘检测思想,提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法,基于局部影响区域腐蚀的点集细化算法,以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中,确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值,并与类似算法对比能提取更多的特征点;在模型实验中,简单几何模型的特征线提取正确率达到了100%,复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上,取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性,通过程序优化可获得更好的特征提取效果。     

应用尺度不变特征变换的多源遥感影像特征点匹配

针对多源遥感影像之间灰度值非线性变化导致特征点匹配率大幅度下降的问题,提出了一种利用光谱信息的多源遥感影像特征点匹配算法.首先,以光谱信息对遥感影像波段进行线性拟合,使待匹配影像与参考影像之间的灰度值由非线性转变为线性或者近似线性变化.接着,在拟合的遥感影像上采用改进的尺度不变特征变换(SIFT)算法进行匹配.最后,采用随机抽样一致性算法剔除误匹配点对.与常用特征点检测算法(SIFT,梯度位置朝向直方图(GLOH),RS-SIFT)的对比实验结果表明,本文所用的ETM+影像全色与多光谱影像的特征点匹配率提高了4％左右,CBERS-02B和HJ-1B卫星多光谱影像的正确特征点匹配个数增加了8对.因此,在多源遥感影像特征点匹配中,本文所提算法优于其它检测算法,可以极大地改善匹配效果.     

基于小波变换的多尺度自配准纹理分析

图像分析中多尺度分析与自配准性质与人类视觉相关联，是纹理分析的重要工具。利用小波变换和傅里叶变换对纹理图像进行二次变换域分析构造具有多尺度自配准性质小波系数频谱，然后根据小波系数性质与物理意义对算法进行优化，最后通过小波系数频谱的投影提取图像的纹理特征。利用图像检索与树状结构小波和傅里叶变换方法进行了对比，实验结果表明小波系数频谱具有良好的纹理分析能力。     

评价工程表面的一种基于小波的多尺度方法

表面形貌与表面特征的研究是当前工程领域最具吸引力的一个课题。对于工程表面评价提出了一个多尺度估计的方法。在用小波对表面形貌进行分离的前提下,定义了两个统计参数来对表面粗糙程度进行表征。多尺度分析为表面表征提供了一个全新的视角,具有简洁、直观的特点。     

基于多尺度特征融合网络的多聚焦图像融合技术

多聚焦图像融合技术是为了突破传统相机景深的限制,将焦点不同的多幅图像合成一幅全聚焦图像,以获得更加全面的信息。以往基于空间域和基于变换域的方法,需要手动进行活动水平的测量和融合规则的设计,较为复杂。所提出的方法与传统的神经网络相比增加了提取浅层特征信息的部分,提高了分类准确率。将源图像输入训练好的多尺度特征网络中获得初始焦点图,然后对焦点图进行后处理,最后使用逐像素加权平均规则获得全聚焦融合图像。实验结果表明,本文方法融合而成的全聚焦图像清晰度高,保有细节丰富且失真度小,主、客观评价结果均优于其他方法。     

基于截面数据的B样条曲面光顺拟合

分析了B样条曲线的光顺拟合方法，针对按截面测量所得数据，将B样条曲线光顺拟合的方法扩展到B样条曲面的光顺拟合，并给出了数值算例。     

基于小波变换的精密测量点云多尺度分解

为了减小多源跨尺度点云数据尺度与数据量上的差异,提出了一种基于小波变换的点云多尺度分解方法。对细节丰富的小尺度点云数据进行多尺度分解,以及尺度分解在跨尺度点云数据配准中的应用进行研究。首先,对小尺度点云进行栅格建模,建立全局点云二值表达函数。根据离散小波变换理论,对栅格点云进行多次的三维小波分解,利用小波尺度函数的低通特性,保留低频信息来获取原始小尺度点云的近似尺度数据。然后,基于面维数和差体维数差表征与原始数据的相似度,确定有效的小波分解级数。最后,将各级分解得到的点云数据与大尺度点云数据进行精确配准,并将配准关系应用于原始点云,提高跨尺度点云的配准精度。实验结果表明：本文提出的多尺度分解方法能够对数据进行有效分解,应用于某航空发动机叶片多尺度测量中,将显微测量的局部气膜孔小尺度点云数据与整体叶片结构光数据配准,配准精度提升了61.36%。该分解方法应用于叶片边缘与栅格零件多尺度测量中,配准精度分别提升了48.59%,43.86%。所提的点云多尺度分解方法能够有效分解小尺度点云数据,大幅提升跨尺度数据的配准精度。     

均匀B样条曲线多分辨率分析和实现

在研究多分辨率分析和均匀B样条小波的基础上,给出均匀B样条曲线的小波表示。为达到在闭区间进行小波分解的目的,采用对称延拓有限个数据点的方法,实现了基于滤波器形式的均匀B样条小波分解和重构的快速算法。     

机械加工表面形貌评定的多尺度分析方法

机械加工表面形貌是加工工艺信息和零件功能信息的载体.分析表面形貌进而表征是实现现代制造系统闭环工作的一种潜在方法.本文介绍了机械加工表面形貌评定的多尺度分析方法的起源和发展.在简单地回顾多尺度分析理论后,应用离散二进小波变换对一个数值例子进行了分析.结果表明,多尺度分析方法适用于传统的表面计量评定.在随后的讨论中可以看到,在多尺度分析理论框架内建立新的评定标准也可克服传统方法的种种缺陷.     

基于多尺度LBP特征的人脸描述与识别

为提高人脸识别的准确性和鲁棒性,提出了一种基于多尺度LBP特征的人脸描述与识别算法。先对原始人脸图像进行二级小波分解,并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱,再将LBP特征谱划分为若干个互不重叠的特征区域,并分别进行直方图统计,最后将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库上取得高达99%的人脸识别率。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力和可鉴别性,且对人脸表情及位置的变化具有较高的鲁棒性。     

多尺度点磨削表面纹理功能及摩擦学特性分析

为研究多尺度表面的表面形貌对其使用功能和摩擦学特性的影响,设计加工5组具有不同多尺度特征的点磨削表面纹理试件。测量试件的表面形貌功能参数,通过功能参数对比分析,得出试件表面形貌对其功能参数的影响规律。在油润滑和干摩擦两种情况下对试件进行表面摩擦学特性实验,分析后得到了多尺度点磨削表面形貌对表面摩擦学特性的影响规律。结果表明:多尺度点磨削表面具有加工可控性;不同表面形貌的零件,其表面功能特性也不相同。可通过控制工艺参数来获得合理的零件表面形貌及纹理特征,以满足零件表面实际应用及功能要求。     

基于小波的零件表面微观形貌多尺度重构

采用激光测量仪对车削机加工零件表面进行测量,获得零件亚纳米级的微观形貌数据,利用小波分析分时分频精细表达以及多分辨率分析的特点,建立粗糙表面多尺度重构模型,对基于真实测量数据的微观表面进行宏微观重构,并提出在不同尺度上提取粗糙表面的微凸体以精简数据的方法,从而实现在MATLAB和Pro/E中的微观表面建模仿真。提取的低频成分为零件表面二维和三维评定提供了基准,不同尺度上微观粗糙表面的重构为在不同精密等级上分析机加工工艺对零件表面粗糙度的影响提供了方法,Pro/E中重构的表面为有限元分析零件宏微观几何形貌与摩擦、润滑和密封的关联机制提供了几何模型。     

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义.本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法.针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性.对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法.     

基于多尺度信息熵特征和RBF神经网络的气液两相流流型识别方法

根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性，提出一种基于小波包多尺度信息熵的流型识别方法。该方法首先对采集到的压差波动信号进行4层小波包分解，在通频范围内得到分布在不同频段内的分解信号，进而建立流型的多尺度信息熵特征向量。并以此特征向量作流型样本对RBF神经网络进行训练，实现流型的智能化识别。试验结果表明，训练成功的RBF网络能很好地识别水平管内的4种流型，为流型识别开辟了一条新的途径。     

一种多尺度时频纹理特征融合的场景分类算法

场景分类目前是机器视觉领域的一个研究热点,为了解决该研究领域中分类特征的提取问题,提出了一种多尺度纹理描述子(MSTD)特征。首先,采用小波变换,获得图像在时频域上的多尺度纹理视觉全局特征信息,之后提取反映局部细节的局部二值模式(LBP)特征,在时频域上进行融合,生成多尺度纹理描述子特征,以此作为图像分类的依据,最后采用支持向量机(SVM)作为分类器进行场景分类。在4个标准数据集上进行测试,实验结果表明,该方法具有较高的分类正确率,对室外场景的分类正确率都在84%以上。所提出的分类方法充分考虑了全局特征和尺度信息,增强了单层特征的区分度,有效地改善了分类的精度。