针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。...针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。通过最小平方中值算法初步去除点云中的噪点,并基于距离构建初始权重矩阵,利用距离加权总体最小二乘法对点云进行平面拟合,减少平面中凸起与凹陷等缺陷对平面拟合的影响,该算法与传统平面拟合算法相比具备消除异常点与平面缺陷的优点,具备更高的拟合精度;与随机采样一致性算法(random sample consensus,RANSAC)相比具有更高的拟合效率与相近的拟合精度。展开更多
为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,...为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,即RANSAC-WTLSD平面拟合算法。算法通过RANSAC算法对点云数据进行平面初拟合,基于初拟合平面参数构建初始距离权阵。在经过WTLSD算法对拟合平面参数的迭代计算与距离权阵的反复修正后,求得最终平面拟合参数。通过在仿真点云数据以及实际点云数据中的实验结果表明,该算法比常规平面拟合算法相比,具有更低的单位权中误差,更高的平面拟合精度,具有一定的实际应用价值。该算法适用于小数量级的点云数据平面拟合。展开更多
目的磁共振成像（magnetic resonance imaging,MRI）是临床医学影像检查的重要手段,然而受限于检查时间,高客观质量的MRI图像难以获得,有效提高MRI图像分辨率成为研究热点。本文为高效地提高MRI图像分辨率,减少患者检查时间,提出图像域...目的磁共振成像（magnetic resonance imaging,MRI）是临床医学影像检查的重要手段,然而受限于检查时间,高客观质量的MRI图像难以获得,有效提高MRI图像分辨率成为研究热点。本文为高效地提高MRI图像分辨率,减少患者检查时间,提出图像域的基于线性自回归模型自适应客观质量提升算法。方法首先,创建基于距离权重的自回归模型获得插值系数;其次,利用自适应算法解决自回归算法中插值矩阵病态的问题;最后,通过对标准数据库中具有不同噪声水平的图像进行测试。结果本算法重建图像的峰值信噪比（peak signal to noise ratio,PSNR）平均值比经典算法提高1.8～4 d B,结构相似度（structural similarity index measurement,SSIM）指标平均提高0.02～0.06。结论图像域自适应线性自回归MRI图像客观质量提升算法在有效提高MRI图像分辨率的同时,保持了较高的客观质量。展开更多
文摘针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。通过最小平方中值算法初步去除点云中的噪点,并基于距离构建初始权重矩阵,利用距离加权总体最小二乘法对点云进行平面拟合,减少平面中凸起与凹陷等缺陷对平面拟合的影响,该算法与传统平面拟合算法相比具备消除异常点与平面缺陷的优点,具备更高的拟合精度;与随机采样一致性算法(random sample consensus,RANSAC)相比具有更高的拟合效率与相近的拟合精度。
文摘为提高点云数据的平面拟合精度,降低点云数据中噪点对平面拟合算法的影响,提出一种基于随机采样一致性(random sample consensus,RANSAC)算法的距离加权整体最小二乘(weighted total least squares based distances,WTLSD)平面拟合算法,即RANSAC-WTLSD平面拟合算法。算法通过RANSAC算法对点云数据进行平面初拟合,基于初拟合平面参数构建初始距离权阵。在经过WTLSD算法对拟合平面参数的迭代计算与距离权阵的反复修正后,求得最终平面拟合参数。通过在仿真点云数据以及实际点云数据中的实验结果表明,该算法比常规平面拟合算法相比,具有更低的单位权中误差,更高的平面拟合精度,具有一定的实际应用价值。该算法适用于小数量级的点云数据平面拟合。
文摘目的磁共振成像（magnetic resonance imaging,MRI）是临床医学影像检查的重要手段,然而受限于检查时间,高客观质量的MRI图像难以获得,有效提高MRI图像分辨率成为研究热点。本文为高效地提高MRI图像分辨率,减少患者检查时间,提出图像域的基于线性自回归模型自适应客观质量提升算法。方法首先,创建基于距离权重的自回归模型获得插值系数;其次,利用自适应算法解决自回归算法中插值矩阵病态的问题;最后,通过对标准数据库中具有不同噪声水平的图像进行测试。结果本算法重建图像的峰值信噪比（peak signal to noise ratio,PSNR）平均值比经典算法提高1.8～4 d B,结构相似度（structural similarity index measurement,SSIM）指标平均提高0.02～0.06。结论图像域自适应线性自回归MRI图像客观质量提升算法在有效提高MRI图像分辨率的同时,保持了较高的客观质量。
