基于模型的航空影像矩形建筑物半自动建模

针对航空影像中矩形建筑物半自动重建进行了研究。该方法基于最小二乘模型影像匹配算法,通过使航空影像中提取的建筑物边缘与模型投影线之间距离和最小计算建筑物的参数。给出用CSG与B-Rep相结合描述的矩形体基本模型,人工在影像上选点建立建筑物的初始模型,将初始模型反投到影像上,并对影像进行边缘提取,根据最小二乘模型影像匹配算法求解最佳模型参数。实验结果证明该方法有较高的准确性。该算法除航空影像与影像方位元素外不需要其他辅助数据,只需人工计算初始值,其他计算由计算机完成,速度较快,节约了人力物力,具有较强的应用价值。     

基于灰度匹配的序列影像的目标跟踪研究与实现研究

为了达到特定目标跟踪的目的,对视频帧进行匹配算法的处理。通过利用灰度匹配的算法在平台上对简单背景下的目标进行跟踪,来显示进行目标基本跟踪过程。对目标坐标系的转换、运算的速度和使用的范围进行讨论。     

小型四旋翼无人机序列影像三维重建实验

传统航空影像三维重建受到时效性、成本等限制,而无人机三维重建技术是解决中小范围三维地形问题的有效手段。基于小型四旋翼无人机航拍序列影像开展了三维重建实验。首先分析了小型无人机航拍三维重建流程的特点,随后重点讨论了无人机三维重建中涉及的关键问题,包括无人机飞行姿态控制、航速、航高、重叠度和拍照模式选择等,最后对比了不同软件的重建结果。实验结果表明,通过优化控制无人机飞行姿态、航高、航速、重叠度等因素,选择合理的序列影像获取模式,在不同的软件中均可完成精度较高的精细地物三维重建。     

基于建立序列图像间映射关系的匹配算法

提出一种基于图像间映射关系的匹配算法，该算法利用目标的运动函数映射前后两幅图像的特征点，映射误差函数最小的对应即为正确的匹配。引进特征点接关系的约束，从而大大减少了候选匹配点的构造空间。实验结果表明，该算法具有良好的鲁棒性和实时性     

未标定影像序列三维重建的混合方法

基于非标定序列影像的目标三维重建是一项非常重要的技术和研究热点,它使数据获取变得十分方便。基于影像序列的点匹配,得到的是一些点云,基于此,提出一个混合的三维重建方法：第一,通过物体三维点建立物体的数字形状模型（DSM）;第二,通过提取物体轮廓线,尤其是相互的平行直段和垂直线段,构建物体的轮廓线;第三,给合现存的三维数据模型,在目标显示和数据结构方面构建恢复三维物体。实验以一个茶筒为例,采用Java3D显示结果,取得良好的结果。     

基于模糊时间序列——股票走势的建模与应用

对证券市场3个重要信息:成交量、时间、价格进行模糊化处理后,以5日平均价格线为建模主要工具,配合上述信息对股市一段时期的数据进行建模,通过序列匹配的方法用另一时期的数据对建模结果进行验证。结果表明该方法是有效的。     

基于未标定图像序列的三维重构

基于未标定图像序列恢复物体的结构．在计算机视觉等领域有广泛的应用前景。利用摄像机从不同角度得到的同一场景的图像序列,根据序列图像的内在几何关系来估计相机的外参数．从而确定摄像机的方位．以有效地恢复场景的三维模型。实验结果表明,该算法能够较为逼真地重建三维场景。     

基于单张影像的月面三维仿真

根据阴影恢复形状原理,提出一种基于单张影像的快速月面三维建模和光照模拟方法。利用单张2D影像中残留的3D线索——灰度信息,通过SFS方法对月面三维形貌进行快速重建,采用改进的Hapke光照模型对重建后的三维形貌进行渲染。实验结果证明,在精度允许范围内,该方法能快速地实现对月面三维形貌的提取和仿真。     

一种基于二维图像的三维仿真方法研究

针对二维的图像数据,综合运用计算机视觉、计算机图像处理和计算机辅助几何设计理论与技术,提出了一种实用的三维仿真方法.采用阴影恢复形状的方法获取三维形貌信息,利用图像分割技术提取物体的二维轮廓信息,通过三维形貌信息与二维轮廓信息的融合技术建立物体的数字化模型,通过B样条的万法实现数字化模型的重构.实例表明,方法可行有效,能够有效地去除图像的背景信息,改善重构模型的分辨力,为基于二维图像的三维仿真技术的广泛应用提供了条件.     

?????????????????????

网络仿真在自组网开发过程中评估新的协议性能的基本技术, 该文介绍了网络建模问题,比较了各种传统路由算法和自组网算法.讨论了自组网的确定性和不确定性建模,分析了NS、OPNET和MATLAB等几种仿真工具.基于不确定建模原理,使用MATLAB和C设计并实现了一个无线自组网路由仿真器.     

基于长序列图像的三维重建技术研究*

提出一种基于长序列未定标图像的三维重建方法,并将其成功地应用于增强现实实例中.首先,基于传统KLT跟踪算法提出了一种针对序列图像的改进特征点匹配策略,通过特征点运动向量的预测减小了相应特征点的搜索范围,进一步根据相近特征点邻域窗口在透视畸变上的相似性大大提高了匹配算法的效率;在得到序列图像的匹配结果后,将传统基于仿射成像模型的测量矩阵(Measurement Matrix)保秩分解算法扩展到透视成像模型中,从而一次性得到整个场景的射影重建;进一步在摄像机自定标的基础上得到整个场景的三维欧氏模型和摄像机的成像矩阵.最后给出真实图像序列的三维重建实验结果,并成功地将其应用到增强现实实例中.     

基于序列图像的三维重构

提出了一种基于序列图像的三维重构方法。在相机标定的基础上,利用两幅图像间的匹配关系得到一个初始的三维模型,然后利用剩余图像与初始模型间的匹配关系,采用反投影映射的方法计算出剩余图像的外方位元素。最后经过稠密匹配、三角剖分和纹理渲染得到物体的三维模型。实验结果表明,相机标定精度较高的情况下,采用该算法能够得到较低失真的三维模型。     

基于拟随机序列的三维模型表面采样方法

三维模型检索中的形状分布算法使用伪随机序列进行采样,导致检索精度较低、检索结果不稳定。该文采用拟随机序列中的Halton序列在[0, 1]区间内产生分布较均匀的随机数,利用数学变换将其转换为采样空间的随机数进行采样。三维模型检索对比实验结果表明,该方法可以提高检索精度,使检索结果更稳定。     

基于视觉测量的脉搏图像三维重构

动脉搏动情况是人体循环系统动态过程中一个可检测的生物讯号.在单目视觉脉搏图像传感器的基础上,依据脉搏图像传感器中薄膜及其网格变化约束的特点,建立了空间测量原理的数学模型,运用Harris角点检测算法,对连续各帧脉搏图像中的角点进行跟踪匹配,从而重构出脉搏搏动的三维信息.通过实验获得了平脉、滑脉、迟脉和濡脉4种脉象的三维信息,实现了脉搏图像的三维重构,为进一步在时空域中提取多种表征脉搏状态的特征奠定了基础.     

基于D^2PCM的数字减影图象序列无损压缩算法

充分利用数字减影（ＤＳＡ）图象序列在时间域上的减影图象之间仍然存在一定的相似性,提出了一种基于二阶差分ＰＣＭ（Ｄ＾２ＰＣＭ）的编码方式。方法在空间坐标与时间坐标上构成了一个二阶差分,能够有效地减少图象在空间以及时间域上的冗余度,从而实现对ＤＳＡ序列的无损压缩,减少了存储空间与传输时间。实际应用证明该处法是稳定和实用的。     

基于3D直方图的彩色图象分割方法

以阈值分割技术为基础，提出了基于3D直方图的生长法和尺度空间聚类方法。分别利用3D空间中同一类目标像素频度的连通性的尺度空间聚类原理，简单而有效地解决了多维阈值分割带来的过度分割问题。该方法对不同类型图象具有很好的适应性，并已成功应用于医学彩色图象处理领域。     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

医学图像三维重建中的关键算法

该文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法。把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化速度。并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建。