基于灭点理论和平面控制场的相机标定方法研究

给出了一种基于灭点理论和平面控制场的相机解析自标定方法。在系统分析平面场景灭点几何的基础上,依据灭点理论并结合2维场景的共线方程严密论证和推导了平面控制场中相机外方位元素初值的实用算法。给出了一种圆形标志点的快速检测及定位方法,提出了一种基于计算可靠性矩阵QVVP的自检校光束法平差中各类观测值权值的确定方法。实验证明了该相机标定方法的正确性和有效性,为相机标定探索了一种可行的方法。     

基于两视图重建的平面纹理校正和映射

在3维场景里漫游,纹理映射是展示场景真实感的主要手段。纹理通常由照片获得,但由于某些不可抗拒的原因,只能得到透视变形的纹理图像。讨论了如何纠正平面纹理的透视变形,及其相应的纹理映射,其过程是在两视图重建的基础上,对原平面进行投影变换,并用插值方法获得纹理,从而映射到模型上。在投影变换的过程中对已有算法进行了改进以达到较好的效果,并对实验结果进行了分析和讨论。该方法适用于构建虚拟的3维场景及去除由于透视变形而产生的图像模糊。     

Automated delineation of non-small cell lung cancer: A step toward quantitative reasoning in medical decision science

Quantitative reasoning in medical decision science relies on the delineation of pathological objects. For example, evidence-based clinical decisions regarding lung diseases require the segmentation of nodules, tumors, or cancers. Non-small cell lung cancer (NSCLC) tends to be large sized, irregularly shaped, and grows against surrounding structures imposing challenges in the segmentation, even for expert clinicians. An automated delineation tool based on spatial analysis was developed and studied on 25 sets of computed tomography scans of NSCLC. Manual and automated delineations were compared, and the proposed method exhibited robustness in terms of the tumor size (5.32–18.24 mm), shape (spherical or irregular), contouring (lobulated, spiculated, or cavitated), localization (solitary, pleural, mediastinal, endobronchial, or tagging), and laterality (left or right lobe) with accuracy between 80% and 99%. Small discrepancies observed between the manual and automated delineations may arise from the variability in the practitioners' definitions of region of interest or imaging artifacts that reduced the tissue resolution.     

西安地区湿陷性土湿陷系数的回归分析

通过Excel回归分析系统和逐步回归分析方法，利用显著性检验，建立了西安地区不同地貌单元湿陷性土湿陷系数与物理指标(w，e0，γ)之间的相关关系，并进行了指标间的多重共线性检验。     

基于概率校准的集成学习

针对原有集成学习多样性不足而导致的集成效果不够显著的问题,提出一种基于概率校准的集成学习方法以及两种降低多重共线性影响的方法。首先,通过使用不同的概率校准方法对原始分类器给出的概率进行校准;然后使用前一步生成的若干校准后的概率进行学习,从而预测最终结果。第一步中使用的不同概率校准方法为第二步的集成学习提供了更强的多样性。接下来,针对校准概率与原始概率之间的多重共线性问题,提出了选择最优(choose-best)和有放回抽样(bootstrap)的方法。选择最优方法对每个基分类器,从原始分类器和若干校准分类器之间选择最优的进行集成;有放回抽样方法则从整个基分类器集合中进行有放回的抽样,然后对抽样出来的分类器进行集成。实验表明,简单的概率校准集成学习对学习效果的提高有限,而使用了选择最优和有放回抽样方法后,学习效果得到了较大的提高。此结果说明,概率校准为集成学习提供了更强的多样性,其伴随的多重共线性问题可以通过抽样等方法有效地解决。     

三线阵云立体探测技术

根据三线阵立体测绘原理,给出了探测云顶高的三线阵卫星影像模拟方法.提出了改进的SIFT匹配算法,并利用该算法结合前方交会法,获得云顶高度信息.通过实验验证了三线阵卫星影像模拟的正确性,探索了一种获取夜间低照度条件下云顶高参数的新途径.最后,针对测高误差来源,详细分析了三线阵立体探测云顶高的测高误差,并针对云移动给出了一种误差纠正方法.     

基于相机投影模型的航拍图像几何校正

通过分析相机透视投影中的共线方程,结合相机内定向的原理,推导出了对于同一地物在不同航片上的图像坐标变换关系,应用该数学模型实现了航拍图像的几何校正,并且与二次多项式模型和双线性模型进行了比较,通过对实验结果的比较,显示出该方法在航拍图像几何校正中的优良特性。     

DV-Hop算法定位误差和覆盖率的改进

通过分析免测距的DV-Hop算法在定位精度及覆盖率方面的不足,提出一种改进的DV-Hop定位算法。规定只有在限定跳数内的信标节点信息才能被未知节点接收,并只有通过共线性检查证明信标节点的有效性,且有效信标节点数大于等于3时才能参与定位,分别用最小均方误差准则、归一化加权和总体最小二乘法(TLS)进行定位,然后升级已定位出的未知节点为信标节点,与最初的信标节点共同来定位其他未知节点。仿真结果表明相对于传统算法及现有的一种改进算法,本改进算法的定位精度和覆盖率有明显提高。     

一种高精度的无线传感器网络定位算法

定位技术是无线传感器网络的关键技术之一.在对DV-Hop算法深入分析的基础上,提出了一种改进的CBDV-Hop算法.该算法引入了共线度的概念,通过对共线度设置阈值,从而挑选出传感器网络中质量高的信标节点进行位置估计.理论分析和仿真实验证明:该算法可以显著提高定位精度.