一种简单多边形Delaunay三角剖分的约束生长算法

约束生长算法是生长算法的一个扩展,将两者结合可实现任意数据域的 Delaunay 三角剖分。提出了一种简单多边形三角剖分的约束生长算法。该算法的思想是基于生长算法,基边向外扩展时,增加了2个约束条件,算法思路简单,易于编程实现,且生成的三角网是 Delaunay 三角网。     

含断层的不规则散乱数据域的等值线绘制

以石油地质勘探数据处理为应用背景,提出了一种含断层的不规则散乱数据域中等值线的绘制方法。对于数据域中的断层作为区域中的内边界处理,通过平面外推法对边界上的点进行插值。然后按照Delaunay三角剖分准则和边界约束条件通过生长法对区域进行三角剖分,最后进行等值线追踪和平滑,取得了较好的效果。     

基于广义三棱柱的三维地质体建模及可视化研究

根据钻孔数据的特点,建立了一种以广义三棱柱作为基本体元的三维地质体模型,同时给出了构模过程和关键算法。该方法首先将原始的钻孔数据进行Delaunay三角剖分,生成表面的不规则三角网,然后顺序连接相邻钻孔上相同的地层片段形成三棱柱,并进行尖灭处理,最后迭代搜索出连续的相同属性的地层,构建层叠式的三维地质体模型。结果证明该方法能够有效地模拟层状的地质结构构模。     

DELAUNAY剖分并行算法及其在计算机机群上的实现

基于CORBA技术设计并实现了一种Delaunay剖分的并行算法,该方法可以保证稳定性、高效性、穿行代码可100%复用.Delaunay剖分是并行网格生成的重要方法,该方法在并行网格生成中减少了通信量,并且保证了与串行算法相同的精确度,而且随着计算量的增加,线性加速比增大,并行的优越性表现得越明显.实验结果表明,该算法在机群环境下可以有效地提高Delaunay剖分的计算速度,减少执行时间.     

系统级故障诊断的测试图生成方法研究

提出了并研究了系统级故障诊断测试图中任意测试图，受限ｔ可诊断系统测试图和ｔ可诊断系统测试图的生成原理及方法，给出了一个典型测试图的生成实例。     

复杂多边形的Delaunay三角剖分研究

针对复杂多边形,提出了一种基于约束边的Delaunay三角剖分算法。该算法首先建立了多边形顶点的初始Delaunay三角网,然后将多边形的各条边通过局部更新依次嵌入已有的三角网,最后再删除多余的三角形。研究结果表明,该算法生成的三角网形态优良,符合多边形的Delaunay三角剖分要求。     

曲线线性搜索的模型信赖域方法

针对模型信赖域方法中搜索方向存在的不足，提出了按负曲率方向进行搜索的模型信赖域算法，并证明了算法的收敛性，进一步地，将曲线线性搜索与模型信赖域方法结合，给出了一般的按曲线搜索方向进行线性搜索的模型信赖域方法，证明了这种搜索方法的可行性，这种方法具有搜索选择的灵活性和一般性，可在实际中针对不同的情况进行选择搜索方向，使得它具有曲线搜索的优点及模型信赖域方法的整体收敛性．最后，提出了几种常用方法的搜索方向可作为本方法的特殊形式。     

关于质点系运动微分方程的应用

将质点系运动微分方程式向任意一点(是惯性系的一个固定点,或是任意运动的一点均可)简化,可得到两个矢量方程,它们有较广的应用,包括了动量和动量矩定理。用它可以简便地导出相对运动动量矩定理,并可把刚体作平面运动时由动能定理给出的方程式写成两个;用它代替达朗伯原理时,一样地方便、有效,也无需引入惯性力概念。再者,其特殊情况给出了力系的平衡条件。     

含巢式和交叉设计的实验分析

对于含非平衡数据和任意权向量的巢式和交叉设计的实验,本文建立了效应分解和方差分析的一般公式,并给出了模型中的三个谱系效应空间的表达式。     

一种基于约束三角网的道路中心线的提取方法

鉴于道路中心线应用的广泛性,研究了基于约束Delaunay三角网的道路中心线的提取算法。以道路边界线作为约束线,采用Delaunay方法构建三角网。通过确定相邻三角形的类型,把获取的节点分为3类,其对应道路网络中的十字路、T型路和环岛路,对其分别进行优化处理,从而形成道路的中心线。在给出详细的算法步骤的同时,并用C#语言实现该算法。实测数据应用分析表明,该算法生成的道路中心线符合原道路多边形的形态,保持了原图形的拓扑特征。     

一种利用拓扑转换消除多边形数据压缩裂缝的方法

以林权地籍调查数据为基础,在拓扑数据转换、Douglas-Peucher边界线压缩、负缓冲区分析和空间连接方法的基础上,提出了消除多边形地块压缩边界缝隙的问题。研究结果表明：①该方法有效地消除了多边形数据压缩裂缝,实现了多边形地块数据的保真压缩;②完整地保留了多边形地块数据的空间拓扑关系和属性数据。该方法对于林权调查地图数据综合和其他格式的文件数据压缩处理均有一定的参考价值。图7参12     

木材表面缺陷特征轮廓提取算法研究

虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。     

Voronoi多边形的边数分布规律及其在林木格局分析中的应用

Voronoi空间分割算法在各个领域已得到广泛应用,目前Voronoi图已经成功应用于林木竞争分析中竞争木数量的选择上。本研究旨在将Voronoi多边形边数分布规律应用于样地的林木格局分析中。借助德国Stochastic Geometry统计软件和R语言程序绘制并分析不同分布格局林分的Voronoi多边形边数分布规律,研究发现:1)不同分布格局的林分,其Voronoi多边形边数分布都呈近似正态分布,频数最大值基本聚集于5或6株;2)无论何种格局分布,Voronoi多边形边数均值皆为6株左右;3)不同分布格局的林分,其Voronoi多边形边数分布标准差的均值具有较为明显的差异,表现为:团状随机均匀。进一步模拟500个随机分布林分发现,Voronoi多边形边数的标准差分布遵循正态分布。基于此,本文利用95%概率,即1.96倍标准差为置信区间的方法,确定了随机分布林分Voronoi多边形边数标准差的分布范围为:μ±1.96σ=1.333±0.035×1.96,即随机分布林分的Voronoi多边形边数标准差(SD)的置信区间为[1.264,1.402];当SD1.264时,该林分格局为均匀分布,当SD1.402时为团状分布。将这种基于Voronoi多边形的林木格局判定方法(Vs)应用于5块不同类型的现实林分,并与目前常用的基于4株最近相邻木的角尺度(W)方法进行了对比,得到的格局分布类型Vs与W二者完全相同。可见,Vs可作为一个间接判定林木分布格局的新途径。      

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。      

曲面建模方法在数字植物中的应用与展望

利用曲面建模方法实现植物形态结构的三维重构和真实感显示是数字植物研究的基础工作.本文对近年来曲面造型理论和技术的发展进行了介绍,着重阐述了参数曲面建模和隐式曲面建模技术在植物形态建模中的应用,分析了相关技术的各自优势,并对基于多边形网格的几何建模方法中一些新曲面造型技术在数字植物几何建模中的应用趋势进行了讨论,最后对曲面建模方法与数字植物研究的结合进行了展望.     

基于地基激光雷达数据的单株玉米三维建模

为探索地基激光雷达数据在植物真实三维建模上的应用,研究基于MeshLab软件的三维Alpha-Shape算法和移动立方体算法进行玉米植株三维真实模型的重建。三维Alpha-Shape算法基于离散激光雷达点云构建Delaunay三角网,通过Alpha值的设置判断各单纯形是否保留,完成玉米植株三维重建。移动立方体算法则通过查找每个体素与等值面相交的交面,所有交面连在一起即为所求的等值面。Alpha值分别设置为0.006 290、0.012 638、0.018 635,采用Alpha-Shape算法进行单株玉米三维重建,试验结果表明:当Alpha值设置较小时,对玉米叶片、茎秆等细节信息表达的比较精细,但许多叶片中间不连续;Alpha值设置较大时,对玉米植株细节信息表达不精细。基于移动立方体算法重建出的玉米植株曲面较为光滑,且孔洞较少,但重建结果不完整。     

Mimicking surface plasmons with structured surfaces

Metals such as silver support surface plasmons: electromagnetic surface excitations localized near the surface that originate from the free electrons of the metal. Surface modes are also observed on highly conducting surfaces perforated by holes. We establish a close connection between the two, showing that electromagnetic waves in both materials are governed by an effective permittivity of the same plasma form. The size and spacing of holes can readily be controlled on all relevant length scales, which allows the creation of designer surface plasmons with almost arbitrary dispersion in frequency and in space, opening new vistas in surface plasmon optics.     

基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。