反求工程中扫描曲面特征的提取

根据扫描曲面的定义，本文提出了一种基于点云切片数据的扫描曲面特征的提取方法。首先，由平行且过扫描面特征的切片点云数据获取扫描轨迹曲线；接着，由垂直于扫描轨迹线的切片点云数据获得截面轮廓线；最后，由扫描轨迹曲线和截面轮廓线即可确定扫描面特征。本文算法已在UG／OPEN上实现，并用实例证明了该方法的正确性和可行性
性。     

结合影像和LiDAR点云数据的水体轮廓线提取方法

从遥感影像中提取水体的传统方法在阴影处和水体浑浊处存在一定局限;机载激光雷达（LiDAR）获取点云数据时水体受阴影和浑浊的影响小,因此使用点云数据提取水体比使用影像数据更加稳健;但点云数据的分辨率低,所提取的轮廓线精度不高。为了提高水体边缘轮廓线的精确度,提出一种高分辨率影像与点云数据相结合的水体轮廓线提取方法。实验结果表明,该方法所提取的水体轮廓线定位精确、细节完好,水体提取准确率达到98.6%。     

边缘追踪模型与SURF检测结合提取天绘影像机场目标

目的 遥感影像提取识别机场目标是遥感领域研究的热点。但是大多研究仅使用被裁剪的影像进行提取识别,由于处理速度等原因很少使用整景高空间分辨率遥感影像提取机场目标。大多数研究是先提取出图像中的直线,根据直线确定机场跑道再确定机场目标,但高分辨率图像提取的直线不仅是机场跑道的,还有可能是高速公路、铁路、大型厂房的外墙、耕地边缘、山脉、地层等,如何区分提取的直线是机场跑道很少被研究。很多研究提取的都是大型机场目标,没有对小型机场进行提取识别,另外如果图像中同时有两个机场应该如何提取也没有被研究。天绘具有数据实时回收,数据全球覆盖等特点,本文将使用高空间分辨率天绘影像（6 000×6 000 像素）提取机场目标。天绘影像地物类型复杂,细节丰富,仅使用一般的空间滤波或边缘探测方法会导致检测结果中有过多的噪声和伪边缘,致使机场目标识别不出来,所以建立了一种以边缘提取追踪模型和SURF（speeded up robust features）检测结合的检测方法和提取流程,达到机场目标识别的目的。方法 边缘提取追踪模型是建立在边缘提取基础上。首先对天绘影像进行滤波处理消除噪声,再对图像进行梯度幅值和法线梯度方向的计算,并利用改进的非极大值抑制方法找到梯度图像中局部变化的最大值,删掉其他值,获得单像素边缘图像,然后对边缘图像进行边缘轮廓线追踪提取出边缘轮廓线,最后使用直线检测和SURF检测方法识别出机场目标。结果 使用本文方法成功地识别了4景天绘卫星图像中的机场目标。借助改进的非极大值抑制和边缘轮廓线追踪提取方法有效地提取了影像中所有地物的边缘,识别出的地物边缘都是清晰的、单像素的边缘,对地物边缘轮廓进行直线提取,并在提取直线的基础上使用SURF检测获得图像中的机场目标。利用天绘卫星图像成功在2景图像中分别提取出一大、一小两个机场,在另外两景图像中分别各提取出一个机场,顺利地实现了用天绘卫星图像提取识别机场目标的过程。结论 本文提出的机场目标提取方法十分有效,该方法不仅适合于天绘卫星遥感数据,还适用于和天绘卫星类似的其他遥感卫星数据。其中对非极大值抑制方法的改进能够提取出更准确的边缘,也能提取出更细微的边缘, 抑制虚假边缘的产生,对提取小型机场有帮助。     

人脸边缘自适应搜索算法及仿真研究

人脸轮廓线提取是人脸识别中极为重要的内容,一种可靠、精确的人脸边缘提取算法对于身份鉴定技术等方面具有重要的应用价值。该文基于传统的边缘提取算法提出了一种自适应搜索轮廓线算法,首先基于人脸检测结果确定内外轮廓及搜索路径,然后对于每一条搜索路径提取出真正的轮廓点,最后利用人脸轮廓的平滑性通过曲线拟合完成轮廓线提取。该文以彩色人脸图像库数据为例,快速、准确地得到人脸轮廓线。仿真试验结果表明,该算法能在保持边缘检测精度的情况下,克服了噪声对轮廓特征提取的影响,并且对于姿势变化有一定的鲁棒性,具有一定的应用价值。     

医学图像中组织轮廓提取方法的改进

在医学图像分割技术的研究中,针对提取图像的清晰度和快速性问题,常用轮廓跟踪算法来提取组织轮廓线,花费的时间较长且分割效果不好.为了提高组织轮廓线的提取速度和分割效果,利用医学图像中组织对称性和灰度特征,提出了双向轮廓跟踪算法.根据分割目标确定相应的检测阈值,采用边缘检测,确定边缘起始点,对组织边缘进行双向跟踪.在检测过程中,设置相应的检测矩阵,减少检测次数.算法能同时沿两个不同的方向进行边缘检测,节省了时间.仿真结果表明,改进的轮廓提取方法对有较好的连续性和对称性的组织轮廓线能进行快速准确地提取,可得到清晰的分割结果,缩短轮廓线的生成时间.     

拉伸与旋转面轮廓数据分段及约束重建技术研究

在逆向工程中,针对测量数据点进行拉伸面和旋转面的参数提取并重建曲面是非常重要的.轮廓线是拉伸面和旋转面的重要参数,提出一种改进的轮廓数据排序及曲率估算方法.在此基础上,针对由直线和圆弧特征构成的轮廓数据提出依据弦转角和曲率差对轮廓数据分段.最后采取全局约束策略,通过对轮廓数据整体拟合来提取轮廓线.实验结果表明了该算法的有效性和实用性.     

改进的特征点提取算法及其适应性评估

改进了一种特征点提取算法[1].提取图像的边缘轮廓线并以边缘线的几何重心为极点,对边缘极坐标化,形成幅角-极径曲线.再在该曲线上寻找局部最大与最小值点以得到特征点.改进后的算法既能获取曲线的凸点,也能获取其凹点,与原算法比较有了明显的改进.又分别在尺度,旋转及仿射变换情况下,对算法的适应性进行评估,实验结果表明,改进后的算法适应性较好,能达到79.1%.在实际应用中,二维边缘曲线实现基于特征点的自动输入及三维重建具有重要价值.     

基于改进的Hough变换提取影像边缘

当影像中的边缘点较为密集或者噪声点较多时,直接应用Hough变换提取边缘线将会面临两个困难:一是虚假的峰值很多;二是边缘提取不准确.这两个问题往往会导致边缘提取的失败.针对这种情形,提出一种改进的Hough变换新方法,首先对分块影像类的边缘点进行Radon变换以获取局部直线特征;根据局部直线段的斜率、截距对其进行分类,同时计算出后续的Hough变换时所需要的ρ、θ取值范围,在此基础上进行经典的Hough变换.实验证明新方法具有很好的效果.     

基于特征线条的三维模型检索方法

为了避免在三维模型检索中对输入源的限制,提出一种以自然图像为输入源、基于特征线条的三维模型检索方法.首先基于最优视点提取算法训练并获取三维模型较优视点集;然后在较优视点集下渲染三维模型混合轮廓线视图,并为各视点混合轮廓线视图提取Gabor边缘响应特征,建立特征库;最后对输入的自然图像提取相同的边缘响应特征,采用视觉词袋方法从特征库中检索相似模型,并根据相似度排序.实验结果表明,该方法利用自然图像与模型特征线视图的边缘相似性实现三维模型检索,降低了退化视图与自然图像纹理对三维模型检索的干扰,符合人类视觉辨识三维物体的机理,具有良好的检索效果.     

基于图像分析的传输流量检测

描述了基于图像分析的传输流量检测的激光扫描成像偏移原理和三角测量方法.设计了一种新型的用于传输流量检测的图像采集方法和装置,并利用基于语义权值的边缘提取方法和基于视觉模型的阈值选择策略进行传输带上物质的截面轮廓线提取,计算物质截面面积和较短时间内的流量体积.通过积分,最后计算出总的流量体积,并进行分析.在电厂中进行了三段煤传输录像实验,对三段录像流量检测的重复性和准确性比较结果表明,本文提出的图像采集、边缘提取以及流量分析方法可行、有效.     

基于三维点云模型的特征线提取算法

针对以往算法存在无法区分尖锐和非尖锐特征点、提取的特征点与视角有关、特征点未连线等问题, 提出一种基于高斯映射和曲率值分析的三维点云模型尖锐特征线提取算法。该算法先进行点云数据点的离散高斯映射, 并将映射点集聚类; 然后使用自适应迭代过程得到两个或多个面的相交线上曲率值和法向量发生突变的尖锐特征点, 这些点与视角无关; 最后, 用改进的特征折线生长算法, 将特征点连接, 得到光顺特征线。实验证明, 该算法具有良好的自适应性、抗噪性和准确性, 是一种有效的三维模型特征线提取算法。     

逆向工程中NURBS曲面与直线交点快速计算

给出了一个能够方便地判断NURBS曲面片与空间直线的交点个数,并且超线性收敛的快速迭代算法。计算Krawczyk算子判断给定的NURBS曲面片和空间直线有无交点和有几个交点。再使用拟牛顿迭代法求出NURBS曲面片和空间直线上的交点。该算法在用点云数据检测曲面重构的误差时具有快速、准确的特点。     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

A simplified interpolation and conversion method of contour surface model to mesh surface model

Contour line type representation is useful for understanding the surface structure qualitatively to a human. However, for the computer handling, a contour line model may not be suitable and it is required to be converted to the other type model such as a mesh surface model. It may be a problem how to decide mesh data on a mesh line where there are fewer points intersecting with contour lines. In this article, the authors propose a new method to convert a contour line model to a mesh surface model with minimum errors. Mesh lines (equivalent to the planes intersected with contour surface) located on the contour surface and intersected with contour lines are calculated. A mesh line which has maximum number of effective sampling points (that means maximum number of intersections with contour lines, and hereafter referred to as latter) is selected and a sectional shape along this mesh line is decided. The sectional shape is represented by spline curve with parameters, so that the mesh point data on the mesh line can be determined easily, and these decided mesh points are regarded as equivalent as intersection with contour lines. The above processes are repeated until all mesh lines which have intersection points or obtained mesh data have been chosen and calculated. Thus we can convert a contour model to a mesh surface model with minimum loss of contour line informations.     

地面LiDAR数据中建筑轮廓和角点提取

建筑轮廓和角点作为多平台激光雷达数据常用的配准基元,其提取方法正受到越来越多的关注.投影密度法是一种常用的从地面LiDAR数据中提取建筑轮廓和角点的方法,然而以往研究对于直接影响建筑轮廓提取结果的格网密度阈值考虑较少.提出一种轮廓密度估计的方法,能够根据点云实际情况自动准确地计算出格网密度阈值,从而提取较为准确的建筑轮廓格网.在此基础上,利用轮廓线段高程分割和密度延伸的方法对轮廓进行分割和恢复,能够提取完整的建筑轮廓.最后,利用轮廓线段的相交关系获得建筑角点.实验结果表明,本文方法能够有效从地面LiDAR数据中提取建筑轮廓和角点,正确性、完整性和定位精度较高.     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

Automatic extraction of face contours in images and videos

The paper proposed an automatic and accurate extraction of the human face contour algorithm. Because a human face contour includes very important facial features to identifying or verifying a person, the accuracy of face contour extraction influences performance of face recognition. The automatic extraction human face contour algorithm includes a novel flowchart for improving accuracy of face contours extraction. To obtain the edge map of a face contour, the divided-and-conquer technique and Canny edge detector were used to avoid the features in the central part of face. The genetic algorithm is implemented to automatically find the parameters of Canny edge detector. Finally, the Poisson gradient vector flow (PGVF) active contour model used the edge map to extract face contours. Three datasets with temporal sequence images were tested for evaluation of the proposed algorithm. The experimental results demonstrated that the algorithm obtained accurate face contours.     

基于Gocator视觉传感器的轨头参数计算

轮轨间紧密接触使轨头轮廓产生不规则变化,传统钢轨检测方法主要测量钢轨的垂直磨耗和水平磨耗,不能全面反映钢轨横截面的轮廓信息。基于Gocator视觉传感器采集、拼接得到的完整轨头轮廓数据及标准钢轨轨头轮廓曲线解析式,提出计算轨头剩余面积、轨头45°角磨耗和轨头角度参数的计算方法。该方法通过传感器拼接得到的离散点数据,采用优化分段三次的拟合方法进行多项式拟合,依次对多项式积分得到整个轨头剩余面积;通过轨头45°角所在直线与测量轮廓的交点计算其磨耗;通过计算轨头圆弧相交点处切线斜率得到轨头角度。实验数据表明,在钢轨同一截面计算得到的参数误差小,精度高,计算速度快,这些参数的有效测量值为钢轨自动化打磨维护提供指导意义。     

扫描图象曲线轮廊关键点的提取及其处理

针对工程图样中线段的识别和提取问题,提出了一种提取扫描图象曲线轮廊关键点的算法和相应的提取条件准则,该算法可自动逐行检测扫描行中的黑游程,当相继行中的黑游程满足一定的条件准则时,即可提取出相应的黑游程边界点,并形成关键点,依据这些关键点,利用B样条曲线理论来拟合曲线,最终即可实现对图象曲线的提取,该算法不仅速度快,抗噪声性能强,且提取识别也到得了满意的效果。     

基于医学图像的复杂曲面重建

为了更准确地重建复杂的三维医学数据模型,把二维医学图像轮廓线上的像素点转化为三维点云,引入经典的泊松点云重建技术。由于泊松重建的效果依赖于点云法向的准确性,针对轮廓线数据的特点,结合图像二维梯度方向,给出了点云法向的一致定向及基于已知定向进一步精确估计法向的方法。泊松重建方法作为一种隐式重建技术,可以很好地处理医学图像数据中经常存在的噪声、拓扑复杂等问题。鼻咽喉模型重建的结果说明,一致定向方法改进了传统的一致定向方法,得到了更为准确的医学重建模型。