摘要：针对当前图像伪造检测算法难以有效识别相似区域,且其检测精度依赖于参数和阈值的选择,使其自适应能力较差等不足,提出局部二值模式耦合k-d树的复制-粘贴图像伪造检测算法。基于传统的LBP,设计具有均匀不变性、旋转不变性以及旋转均匀不变性的3种LBP,将其组合形成多尺度LBP(MLBP),利用MLBP提取图像特征,得到3组特征矩阵;引入k-d树,寻找其最优邻域,获取对应的3个相似特征矩阵,通过判断3个特征矩阵中至少两个特征值相同来识别该区域是否被篡改;引入随机抽样一致性策略,降低图像块的误匹配率,提高检测精度。实验结果表明,与当前图像伪造检测技术相比,该检测算法的检测精度更高,能有效识别出旋转、缩放、模糊以及噪声等伪造形式。

摘要：LidAR点云是由海量的激光离散脚点组成的三维点集,在平面以及垂直方向上均分布有数量不均的离散点。LidAR点云离散点相互之间缺乏空间拓扑关系,所以建立适当的数据组织结构对LidAR点云进行组织是对LidAR点云进行处理的基础。根据LidAR点云的数据结构特点,利用红黑树与k-d树建立一种"非空"规则立方体格网和k-d树相结合的双层次数据结构,用于LidAR点云的组织管理,从而降低结构冗余和提高索引效率。

摘要：常规的kNN-SVM联合分类器中k-近邻算法没有充分挖掘训练样本的信息,使用遍历的方法来计算待识别样本与训练样本之间的距离,特别是在训练样本巨大时,存在大量的冗余计算。针对该问题,将训练样本训练成k-d树的结构,设计了k-d树kNN-SVM分类器,该分类器可以大大减少这些多余的计算,从而提高了搜索效率,有效缩短了搜索时间。进行了仿真和实验研究,分别设计了kNN、SVM、kNN-SVM分类器对两类水下目标进行了分类识别,并对相关参数的选取进行了优化。实验结果表明:在选定了最佳参数后的kNN-SVM联合分类器较其它两类分类器在识别率和识别效率方面都是最佳的;采用了k-d树结构的kNN-SVM联合分类器中kNN部分识别效率要比常规的高约7.5倍。

摘要：为了提高矿山法隧道施工过程中的超欠挖及平整度检测水平,将三维激光扫描与其他信息化手段结合,取得了一定的研究成果。但是,超欠挖检测主要采用断面法实现,未充分发挥三维技术优势;平整度检测主要通过最大凹凸点到拟合平面的距离进行计算,不符合现行规范的靠尺法要求。针对上述问题,利用切割、去噪、补全、降采样等算法,进行激光扫描点云预处理;通过聚类及BPA算法,将点云转化为空间三角网;借助三角网格投影及棱柱体体积积分,统计三维超欠挖情况;综合运用k-d树和八叉树算法,模拟靠尺法平整度计算流程,完成三维平整度计算。在实际工程项目中进行应用验证,最终实现矿山法隧道施工阶段的智能化超欠挖和平整度检测。

摘要：在直接k-means算法的基础上提出了一种新的基于k-d树的聚类方法。通过把所有的对象组织在一棵k-d树中,可以高效地发现给定原型的所有最近邻对象。利用的主要思想是:在根结点,所有的聚类中心(或称为候选原型)都是所有对象的最近邻候选集合,对于根结点的子结点,通过简单几何约束来剪枝该候选集,这种方法可以被递归使用。使用基于k-d树的方法可以使直接k-means算法的总体性能提高一到两个数量级。

摘要：三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数。为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法。通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取。对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93%以上,该方法能较好地实现钢轨轨面点云的快速提取。

摘要：针对传统匹配方法存在匹配精度低、速度慢等问题,提出一种基于扩展点特征直方图(EPFH)特征的点云匹配算法,该算法采用先粗配再细配的策略。利用ISS(intrinsic shape signature)特征检测算法获取点云上的显著特征点集;对特征点进行EPFH特征描述;通过采样一致性算法估算刚体变换矩阵,完成待匹配点云和目标点云的初始匹配;接着使用基于k-d树的迭代最近点算法实现两片点云的精细匹配;最后将本文算法分别应用于公共数据集和兵马俑特殊数据集进行实验验证。实验结果表明,相比传统方法而言,本文算法具有更高的匹配精度和速度。

摘要：高效处理三维激光扫描数据的基础是设计一种合理的数据结构。介绍三种数据结构的原理,研究建立数据结构的关键技术。以解决扫描数据处理中常见的kNN问题为例,比较三种结构的优缺点。通过研究可以得出,八叉树结构是一种比较理想的数据结构。

摘要：绝大多数的工业设计属于变型设计,而基于CBR技术能够有效的解决变型设计中设计重用所面临的难题。对CBR相关理论及技术进行了分析介绍,对基于CBR的精密播种机数字化设计的具体实现进行了设计研究,提出了一种新的检索算法——基于树的最近邻居法,使实例的检索更准确、高效。以铲式玉米精密播种机为例,对设计过程的实现及推理效率和准确性方面进行实验分析,实验结果表明了将CBR应用于设计问题中的可行性及优势。

摘要：针对视频分割的难点在于分割目标的无规则运动、快速变换的背景、目标外观的任意变化与形变等,提出了一种基于时空多特征表示的无监督视频分割算法,通过融合像素级、超像素级以及显著性三类特征设计由细粒度到粗粒度的稳健特征表示。首先,采用超像素分割对视频序列进行处理以提高运算效率,并设计图割算法进行快速求解;其次,利用光流法对相邻帧信息进行匹配,并通过k-d树算法实现最近邻搜索以引入各超像素的非局部时空颜色特征,从而增强分割的鲁棒性;然后,对采用超像素计算得到的分割结果,设计混合高斯模型进行完善;最后,引入图像的显著性特征,协同超像素分割与混合高斯模型的分割结果,设计投票获得更加准确的视频分割结果。实验结果表明,所提算法是一种稳健且有效的分割算法,其结果优于当前大部分无监督视频分割算法及部分半监督视频分割算法。