新型人体参数自动测量系统

目的 针对国内外已有的非接触式测量系统普遍存在价格昂贵、安装复杂、占用空间大等问题,提出一种基于消失点和图像比例法相结合的人体参数尺寸的自动测量方法(HuFAMS-VP)。方法 首先,利用背景差分法,将人体从图像中分割出来;再将分割后的人体图像进行轮廓提取,从而获得人体轮廓图;然后,根据边缘检测和人体各个部位与人体身高比例等方法,获取人体几个关键部位特征点;最后,通过消失点方法(vanishing point)与比例法的结合获取人体参数尺寸。结果 根据HuFAMS-VP对7组被测人员(年龄在25±3岁,身高范围在1.7±0.2 m)进行尺寸测量,并与被测人员真实尺寸信息进行比较。由测量结果可以得到7组被测人员的绝对误差控制在±0.05 m之内,平均测量速度在2 s以内。结论 HuFAMS-VP在确保测量精度的前提下,具有操作方便、价格低廉等优势。根据测量结果,论证了本系统的准确性和鲁棒性。     

三维模型的空间匹配与拼接

为获得敦煌莫高窟第172窟的全景三维模型,实现文化遗产数字化保护,提出一种三维模型的空间匹配与拼接方法。首先通过基于四目立体视觉系统的复杂场景三维重建方法,获取单一场景的三维模型;然后以场景真实三维点云数据的对应图像坐标为约束条件,进行高精度特征点匹配;最后以两对同名点在相邻两场景中的空间距离应该一致为条件,保留匹配精度高的点,用于计算旋转矩阵和平移矩阵,进行三维模型间的空间拼接。实验结果表明:与传统拼接方法相比,本文的模型拼接处无明显错位现象,视觉效果更好,传统方法与本方法的匹配误差分别为0.008 2和0.001 6,拼接精度得到显著改善。     

云环境下基于秘密共享的海洋遥感影像认证方案

云存储模式的出现为海量海洋遥感影像的存储和管理带来了机遇,越来越多的用户选择将海洋遥感影像数据移植到云中,但云存储环境的开放性对海洋遥感影像数据的安全性提出了挑战。以保障云环境下海洋遥感敏感数据的安全性为前提,提出一种影像认证方案,将哈希函数与(k,n)门限秘密共享方法相结合,检测敏感区影像信息变化,并对加密前和恢复后的影像进行一致性验证,保护加密影像数据的机密性。同时,为避免n个子秘密中,因多于n-k个子秘密的篡改或丢失,造成敏感区影像不可恢复情况的发生,采用对敏感区影像进行分块的策略,对每个子影像块做进一步的秘密共享处理,以保证部分影像的无损恢复。实验对比分析表明,所提出的安全认证方案可以有效防止秘密恢复过程中的欺诈行为,同时可获得比传统方法更高的遥感影像云存储安全性。     

基于ALOS极化干涉SAR数据的DEM提取方法研究

极化干涉理论的发展以及全极化卫星的发射,为极化干涉的研究应用提供了广阔的发展空间,开展极化干涉SAR提取DEM的研究对于解决单极化干涉SAR在植被覆盖区DEM提取精度较低的问题具有重要意义。基于山东泰安地区的一对ALOS PALSAR全极化干涉数据,利用相干性最优方法和最大化相位中心分离的方法获取极化干涉信息,并通过对优化后干涉信息的滤波、解缠、基线精确估计等处理来提取DEM,最后将相干优化的结果与传统HH、HV、VV单极化干涉结果进行对比分析。结果表明:优化方法较单极化干涉方法可以有效降低干涉图的噪声,减少相位解缠的残差点,提高解缠相位的质量,并且不同优化方法之间还存在一定差异,数值半径方法获取的DEM精度要好于其他两种优化方法;通过等值线-Goldstein二级干涉SAR滤波方法可进一步提高单极化和优化干涉图的质量,降低残差点,提高相位质量,在水体覆盖的区域通过滤波窗口的设置可以很好地改善DEM的精度。     

Abaqus重启动分析技术在风力机齿轮箱弹性支撑强度分析中的应用

齿轮箱弹性支撑强度分析系统大、组件多、网格多和工况多,常规的有限元分析时间很长、效率很低.采用Abaqus的重启动分析技术,对风力机齿轮箱弹性支撑进行强度分析,将复杂分析工况进行简化,大大地缩短分析时间,提高分析效率,且对分析精度没有影响.     

基于HLA的导弹分布式集成测试平台研究

在总结导弹测试的特点和难点的基础上,从系统的顶层出发,依据HLA(High Level Architecture)规范设计一个供导弹测试的平台。该平台旨在为导弹的测试提供一个通用化程度高、可重用性好的仿真测试支撑平台。平台的底层通信采用基于反射内存卡的实时通信网络,分布式仿真的时间推进采用基于步长的独立时间推进机制,并采用硬件时钟系统为各仿真联邦成员提供高精度的时钟,从而使得平台可以同时支持纯数字联合仿真和半实物联合仿真,可应用于导弹设计过程中各阶段的测试。     

RDLC图表报表宽度自适应和多个报表切换显示的实现方法

利用Visual Studio.NET 2005的C#开发环境,在WebForm中使用RDLC报表。介绍了动态修改RDLC报表的XML数据以满足报表宽度自适应和多个RDLC报表在ReportViewer中切换显示的实现方法,对其中涉及到的关键技术进行了阐述。     

Google Earth在森林植被营养元素循环研究中的应用

森林植被营养元素循环是森林生态系统分析中的重要参数.将Google Earth应用在其研究过程中具有重要作用.阐述了Google Earth的主要原理和关键技术,重点分析了KML和Google EarthAPI;设计了Google Earth应用的数据处理流程和系统架构;最后实现了基于Google Earth的贵州龙里森林植被营养元素循环研究系统.     

An ideal multi-secret sharing scheme based on MSP

A multi-secret sharing scheme is a protocol to share m arbitrarily related secrets s₁, … , s_m among a set of n participants. In this paper, we propose an ideal linear multi-secret sharing scheme, based on monotone span programs, where each subset of the set of participants may have the associated secret. Our scheme can be used to meet the security requirement in practical applications, such as secure group communication and privacy preserving data mining etc. We also prove that our proposed scheme satisfies the definition of a perfect multi-secret sharing scheme.     

Physically based vertical vegetation structure retrieval from ICESat data: Validation using LVIS in White Mountain National Forest, New Hampshire, USA

Vegetation structure retrieval accuracies from spaceborne Geoscience Laser Altimeter System (GLAS) on the Ice, Cloud and land Elevation Satellite (ICESat) data are affected by surface topography, background noise and sensor saturation. This study uses a physical approach to remove surface topography effect from lidar returns to retrieve vegetation height from ICESat/GLAS data over slope terrains. Slope-corrected vegetation heights from ICESat/GLAS data were compared to airborne Laser Vegetation Imaging Sensor (LVIS) (20 m footprint size) and small-footprint lidar data collected in White Mountain National Forest, NH. Impact of slope on LVIS vegetation height estimates was assessed by comparing LVIS height before and after slope correction with small-footprint discrete-return lidar and field data.Slope-corrected GLAS vegetation heights match well with 98 percentile heights from small-footprint lidar (R² = 0.77, RMSE = 2.2 m) and top three LVIS mean (slope-corrected) heights (R² = 0.64, RMSE = 3.7 m). Impact of slope on LVIS heights is small, however, comparison of LVIS heights (without slope correction) with either small footprint lidar or field data indicates that our scheme improves the overall LVIS height accuracy by 0.4-0.7 m in this region. Vegetation height can be overestimated by 3 m over a 15° slope without slope correction. More importantly, both slope-corrected GLAS and LVIS height differences are independent of slope. Our results demonstrate the effectiveness of the physical approach to remove surface topography from large footprint lidar data to improve accuracy of maximum vegetation height estimates.GLAS waveforms were compared to aggregated LVIS waveforms in Bartlett Experimental Forest, NH, to evaluate the impact of background noise and sensor saturation on vegetation structure retrievals from ICESat/GLAS. We found that GLAS waveforms with sensor saturation and low background noise match well with aggregated LVIS waveforms, indicating these waveforms capture vertical vegetation structure well. However, waveforms with large noise often lead to mismatched waveforms with LVIS and underestimation of waveform extent and vegetation height. These results demonstrate the quality of ICESat/GLAS vegetation structure estimates.