排序方式: 共有24条查询结果,搜索用时 0 毫秒
1.
针对综合录井井下地层特点,采用多层DEM三维可视化模型对地下地质环境进行三维描述,实现综合录井三维地层实时显示.将三维坐标投影转换到二维坐标系中,采用二维Delaunay剖分改进算法构建Delaunay三角网;探讨了剖分后的不规则三角网(TIN)到格网的转换和插值以及通过格网DEM构建三维地层;介绍了根据选择的剖切面方程生成地质体的剖面.系统采用VC++6.0和OPENGL图形接口作为开发平台,可以从任意的角度对剖切开的三维地质体进行观察和分析也能够从任意的角度对三维地质体整体进行观察、缩放和剖切等操作. 相似文献
2.
一种用于图像目标识别的神经网络及其车型识别应用 总被引:6,自引:1,他引:6
构建了一种用于图像目标识别的多层前向神经网络,给出了网络拓扑结构,并成 功地把该神经网络运用到车型识别中。该方法综合了神经网络、模糊逻辑、模式识别的相 关 算法,对图像目标轮廓进行整体识别,达到了较高的目标识别准确率。实践表明,该网 络经 过监督学习后,能摒除图像中一定量干扰像素影响,准确地识别出各种外形车的车型 。 相似文献
3.
一种计算矩阵特征值特征向量的神经网络方法 总被引:1,自引:0,他引:1
当把Oja学习规则描述的连续型全反馈神经网络(Oja-N)用于求解矩阵特征值特征向量时,网络初始向量需位于单位超球面上,这给应用带来不便.由此,提出一种求解矩阵特征值特征向量的神经网络(1yNN)方法.在lyNN解析解基础上得到了以下结果:初始向量属于任意特征值对应特征向量张成的子空间,则网络平衡向量也将属于该空间;分析了lyNN收敛于矩阵最大特征值对应特征向量的初始向量取值条件;明确了lyNN收敛于矩阵不同特征值的特征子空间时,网络初始向量的最大取值空间;网络初始向量与已知特征向量垂直,则lyNN平衡解向量将垂直于该特征向量;证明了平衡解向量位于由非零初始向量确定的超球面上的结论.基于以上分析,设计了用lyNN求矩阵特征值特征向量的具体算法,实例演算验证了该算法的有效性.1yNN不出现有限溢,而基于Oja-N的方法在矩阵负定、初始向量位于单位超球面外时必出现有限溢,算法失效.与基于优化的方法相比,lyNN实现容易,计算量较小. 相似文献
4.
5.
针对传统对数极坐标傅立叶变换(log-polar mapping based Fourier transform, LPMFT)在大尺度、大旋转及大平移变换情况下不能精确估计图像对之间的变换参数, 提出基于层次化及最小二乘的图像配准方法(multi-resolution analysis and least square optimization, MALSO): 首先, 使用小波变换将图像分解为多分层结构, 并将每层的低频部分作为待匹配图像; 其次, 在每层中, 引入窗口函数及自适应滤波函数以减少谱泄漏, 混叠及插值误差的影响; 最后, 构建一个代价函数, 并通过最小二乘法求解最优参数. 实验表明, 该方法既满足大尺度, 大旋转及大平移参数准确估计要求, 又比LPMFT对遮挡更具鲁棒性, 有一定的理论及应用价值. 相似文献
6.
车牌识别的速度和正确率直接地反映识别系统的好坏.为了提高车牌的识别速度,提出了基于过线特征的车牌识别算法.算法分两步进行:首先对分割的待识别字符进行过线特征提取,每个字符都被映射成一个12维向量,计算出待识别字符向量与库字符向量的距离;然后,对于置信度高的字符直接作为识别结果,对于置信度不具有明显优势的待识别字符在缩小的范围下再采用模板匹配识别.实验结果表明:应用该算法的实验系统识别速度较快、准确度较高、稳定性较好. 相似文献
9.
一种提升3维重建精度和效率的图像选择方法 总被引:1,自引:1,他引:0
大型场景3维重建常需融合各局部深度图,故局部3维数据精确度直接关系整个场景重建精确度,且计算量巨大。针对此问题,提出一种旨在提高3维计算效率和精度的图像选择方法。为提高计算效率,提出一种基于位运算的参考图像选择方法,选取可覆盖场景全部3维点的最小标定图像集子集作为参考图像集;根据影响重建精度的尺度评价因子、参考与邻近图像对应相机主光轴夹角及3维点与相机主光轴夹角建立邻近图像选择的评价函数;在邻近图像的具体选择上,先根据参考图像与邻近图像的覆盖率缩小搜索范围,再根据评价函数对剩余图像进行降序排序,并选择前3张图像作为该参考图像的邻近图像。有效的参考图像选择能够极大地减少大场景多视立体3维重建过程中深度图计算量,有效的邻近图像选择兼顾了重建结果的精度和完整度。将本文方法在两组具有真实3维点云数据的公开数据集和两组室外真实场景拍摄的数据集上与另外两种选图方法以及COLMAP方法进行了对比。实验结果表明:本文方法相比于另外两种选图算法时间节省53%~59%,完整性提高4%~6%,精度提高4%~7%;相比于先进的COLMAP算法时间节省16%以上,完整性提高3%,精度提高2.7%左右。实验结果证明了本文方法的有效性。 相似文献
10.