基于KAZE特征的露天矿无人机影像匹配

无人机摄影测量是露天矿影像数据采集的重要方式.针对露天矿独特的阶梯状地形、 常规的无人机影像匹配算法匹配点数量少、 误匹配率高的问题,提出了基于KAZE特征进行露天矿无人机影像匹配.KAZE算法采用非线性尺度空间,能够更好地保留露天矿地物边缘信息.选取露天矿不同区域的5组无人机影像,分别与SIFT和SURF算法进行对比...     

倾斜影像辅助的无人机载LiDAR高陡边坡形变监测

针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论：融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明：滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变...     

基于振速测量的HELS方法声场重建研究

本文在Helmholtz方程最小二乘法(HELS)的理论基础上,提出水下基于振速测量的HELS方法声场重建模型,并对理想点源声场进行了重建结果分析,仿真结果显示在不同的测量距离上,尤其对于振速重建,基于法向振速测量的声场重建精度高于基于声压测量的声场重建精度;在发射不同频率声波时,基于法向振速测量的声场重建精度变化不大,说明该模型对于频率适应性强;为了分析该模型在实际应用中的性能,加入随机噪声分析,证明了振速模型抑制噪声的能力明显优于声压模型.仿真研究表明了该振速模型的正确性、可行性和重要性.     

不同类型卫星遥感影像的联合区域网平差方法

根据区域网平差的基本原理,提出了不同类型卫星遥感影像联合区域网平差的方法,建立了光束法联合区域网平差模型,对误差方程式的建立、权矩阵的计算、多片前方交会模型的建立以及平差计算过程的设计等关键问题进行了研究,并通过两组实验验证了平差模型的有效性,分析了影像组合形式以及控制点的分布、数量、精度对平差结果的影响,最后总结了多源遥感影像联合区域网平差的特点以及应用前景.     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

红外高温温度场中非完全温度点重建方法与预测精度的研究

在高温温度场重建过程中,仍然需要通过温度场的单点温度值来构建整个温度场的温度分布情况。以焊接温度场为例,通过反距离加权法、克里格法和样条函数法三种插值方法,分别对其空间变异和布局进行了分析和重建。结果表明:不同插值方法对预测精度影响不显著,而采样点数量则显著影响了温度场空间分布的重建精度。在温度场重建过程中,25个采样点进行重建是比较适宜的采样数量。将得出的结论与最佳采样公式进行比较,发现使用公式计算的最佳采样数量相对偏低,说明不考虑采样点实际的空间变异情况,仅使用最佳公式得到的采样数量进行温度场的重建会导致重建结果的不准确。     

基于航空摄影测量外业调绘作业的分析

航空摄影测量作业是一项重要的工作,在空中进行飞行作业,对其数据精度要求较高。因此需要对航测影像中包含有大量信息进行有效准确的提取。航测影像的获取是通过摄影测量作业完成后,利用激光三角三维坐标系统进行数据采集。由于航测影像的采集对象是在地面进行测量,因此在获取数据时需要对拍摄点和接收机两个不同位置上的坐标信息进行准确的提取。     

多光谱遥感图像BP网分类器学习样本选取法的研究

通过分析多光谱遥感图像学习样本在光谱空间不同位置对BP神经网络分类器分类精度的影响,提出基于x2 分布的学习样本选取方法,并应用于TM 图像分类.对6 种地物应用不同样本选取法训练的BP网分类器和Bayes分类器的分类结果比较表明:本方法分类精度明显高于Bayes分类器和其它样本选取法得到的BP网分类器,并具有学习样本数量少等特点     

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值情况下的重建性能,在合适的下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。     

多尺度特征与双注意力机制的高光谱影像分类

针对经典卷积神经网络(convolutional neural network,CNN) 的高光谱影像分类方法存在关键细节特征表现不足、训练需要大量样本等问题,提出一种基于多尺度特征与双注意力机制的高光谱影像分类方法。首先,利用三维卷积提取影像的空谱特征,并采用转置卷积获得特征的细节信息;然后,通过不同尺寸的卷积核运算提取多尺度特征并实现不同感受野下多尺度特征的融合;最后,设计双注意力机制抑制混淆的区域特征,同时突出区分性特征。在两幅高光谱影像上进行的实验结果表明:分别在每类地物中 随机选取10%和0.5%的样本作为训练样本,提出模型的总体分类精度分别提高到99.44%和98.86%;对比一些主流深度学习分类模型,提出模型能够关注于对分类任务贡献最大的关键特征,可以获取更高的分类精度。     

摄影测量中一种基于HEIV模型的可纠错编码点法

在摄影测量中,经常发生椭圆点检测错误从而影响三维场景的匹配问题,甚至导致三维重建任务的失败。针对该问题,在基于HEIV(Heteroscedastic Errors-in-Variables)椭圆拟合方法的基础上,设计了一种可纠错的编码点,将信息论中的信道可纠错编码方法用于编码点的设计,文中对编码点的解算及提取进行了分析。实验表明,该方法大大提高了编码点的抗噪性,在编码出现一位错误时可以实现自修正的功能,纠错率为100%,较好的解决了实际应用中编码点识别错误的问题。     

基于深度卷积网络的3D人脸重构算法

基于单张人脸图片的3D人脸模型重构,无论是在计算机图形领域还是可见光成像领域都是一个极具挑战性的研究方向,对于人脸识别、人脸成像、人脸动画等实际应用更是具有重要意义。针对目前算法复杂度较高、运算量较大且存在局部最优解和初始化不良等问题,本文提出了一种基于深度卷积神经网络的单张图片向3D人脸自动重构算法。该算法首先基于3D转换模型来提取2D人脸图像的密集信息,然后构建深度卷积神经网络架构、设计总体损失函数,直接学习2D人脸图像从像素到3D坐标的映射,从而实现了3D人脸模型的自动构建。算法对比与仿真实验表明,该算法在3D人脸重建上的归一化平均误差更低,且仅需一张2D人脸图像便可自动重构生成3D人脸模型。所生成的3D人脸模型鲁棒性好,重构准确,完整保留表情细节,并且对不同姿态的人脸也具有较好的重建效果,能够在三维空间中无死角自由呈现,将满足更多实际应用需求。     

Optimization of geometrical calibration in pinhole SPECT

Previously, we developed a method to determine the acquisition geometry of a pinhole camera. This information is needed for the correct reconstruction of pinhole single photon emission computed tomography images. The method uses a calibration phantom consisting of three point sources and their positions in the field of view (FOV) influence the accuracy of the geometry estimate. This paper proposes two particular configurations of point sources with specific positions and orientations in the FOV for optimal image reconstruction accuracy. For the proposed calibration setups, inaccuracies of the geometry estimate due to noise in the calibration data, only cause subresolution inaccuracies in reconstructed images. The calibration method also uses a model of the point source configuration, which is only known with limited accuracy. The study demonstrates, however, that, with the proposed calibration setups, the error in reconstructed images is comparable to the error in the phantom model.     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

基于连续相位稠密匹配的结构光三维重建优化方法

提出了一种基于连续相位稠密匹配的结构光三维（3D）重建优化方法。利用标定的相机阵列获取投影的结构光变形条纹,利用格雷码划分相位级次,提出等相位约束条件,实现不同相机图像之间的稠密匹配;然后利用空间3D点与相机阵列之间的投影关系,建立各相机位姿与重建点云全局优化模型;利用观测值反向投影的欧式距离建立非线性优化的目标函数,并将此优化问题转为李代数上的图优化模型进行迭代求解。利用公开数据集和实测数据进行实验,结果表明,所提方法可以实现360°无遮挡的3D重建,且重建精度相对传统无优化结构光方式提高了6.94%,相机位姿精度提高了9.77%。所提方法相比参考方法对相机畸变标定精度要求低,并可用于模型点云的非刚体融合。同时由于相机阵列的使用,重建过程中目标物体无需多次旋转,使得物体的3D重建更加方便。     

基于学习的光栅图像噪声抑制方法

基于条纹投影的三维形貌测量广泛应用于工业制造、质量检测、生物医疗、航空航天等领域。然而在高速测量的场景下,由于光栅图像的采集过程曝光时间短,三维重建结果通常会受到较为严重的图像噪声干扰。近年来,深度学习技术在计算机视觉等领域得到了广泛应用,并且取得了巨大的成功。受此启发,提出了一种基于学习的光栅图像噪声抑制方法。首先构建了一个基于U-net的卷积神经网络。其次在训练过程中,构建的神经网络学习从含有噪声的条纹图像到对应高质量包裹相位之间的映射关系。当经过适当训练,该网络可从含有噪声的条纹图像中准确恢复相位信息。实验结果表明:针对离线的快速运动场景三维测量,该方法仅利用一幅光栅图像可恢复高精度的相位信息,且相位精度优于传统的三步相移方法。该方法可为提升运动高速场景三维测量的精度提供切实可靠的解决方案。     

3D reconstruction with auto-selected keyframes based on depth completion correction and pose fusion

Dense 3D reconstruction is required for robots to safely navigate or perform advanced tasks. The accurate depth information of the image and its pose are the basis of 3D reconstruction. The resolution of depth maps obtained by LIDAR and RGB-D cameras is limited, and traditional pose calculation methods are not accurate enough. In addition, if each image is used for dense 3D reconstruction, the dense point clouds will increase the amount of calculation. To address these issues, we propose a 3D reconstruction system. Specifically, we propose a depth network of contour and gradient attention, which is used to complete and correct depth maps to obtain high-resolution and high-quality depth maps. Then, we propose a method of fusion of traditional algorithms and deep learning for pose estimation to obtain accurate localization results. Finally, we adopt the method of autonomous selection of keyframes to reduce the number of keyframes, the surfel-based geometric reconstruction is performed to reconstruct the dense 3D environment. On the TUM RGB-D, ICL-NIUM, and KITTI datasets, our method significantly improves the quality of the depth maps, the localization results, and the effect of 3D reconstruction. At the same time, we have also accelerated the speed of 3D reconstruction.     

基于功率谱AR模型的3D激光虚拟图像重建研究

当前常用的无样本图像重建方法具有分辨率低的弊端,有样本图像重建方法得到的3D激光虚拟图像重建结果有很大误差。为此,提出一种基于功率谱AR模型的3D激光虚拟图像重建方法。建立功率谱AR模型,将Burg技术和自相关法结合在一起,得到合理的AR模型参数。在存在平移、旋转参数的情况下,在功率谱AR模型基础上对图像进行配准处理,先完成旋转步长,然后进行平移估计与步长,以提高旋转配准精度与平移配准精度。将3D激光虚拟图像信息看作希尔伯特空间的元素,依据配准结果,在重建的3D激光虚拟图像重建视觉效果达到要求或连续若干次迭代结果改变情况区域稳定的情况下,结束迭代,实现3D激光虚拟图像重建。经验证,所提方法重建精度最低为97%,重建误差最低为2%,而且重建花费时间较短,证明了本文方法在图像重建方面的优越性,可应用于图像重建的相关工作中。     

Dictionary Learning-Based Image Reconstruction for Terahertz Computed Tomography

Terahertz computed tomography (THz CT) demonstrates its advantages in aspects of nonmetallic and nonpolar materials penetration, 3D internal structure visualization, etc. To perform satisfied reconstruction results, it is necessary to obtain complete measurements from many different views. However, this process is time-consuming and we usually obtain incomplete projections for THz CT in practice, which generates artifacts in the final reconstructed images. To address this issue, dictionary learning-based THz CT reconstruction (DLTR) model is proposed in this study. Especially, the image patches are extracted from other state-of-the-art reconstructed images to train the initial dictionary by using the K-SVD algorithm. Then, the dictionary can be adaptively updated during THz CT reconstruction. Finally, the updated dictionary is used for further updating reconstructed images. In order to verify the accuracy and quality of DLTR method, the filtered back-projection (FBP), simultaneous algebraic reconstruction technique (SART), and total variation (TV) reconstruction are chosen as comparisons. The experiment results show that the DLTR method has a good capability for noise suppression and structures preservation.

     

基于F范数的二维主成分分析算法及焊缝表面缺陷识别研究

针对传统二维主成分分析(two-dimensional principal component analysis, 2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm, NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差。为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm, NG-B2DPCA-F)。最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能。