杨雨薇
- 作品数：8 被引量：28H指数：3
- 供职机构：云南师范大学信息学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电子电信天文地球更多>>
- 一种基于邻域扩展聚类的去噪算法被引量：3
- 2017年
- 针对基于二维图像重建出的带有离群点和噪声的三维点云模型,提出了一种基于邻域扩展聚类的去噪算法。通过数据点之间的欧氏距离以及相邻位置关系的可传递性,搜索每个数据点的邻域,然后对所有点进行聚类划分,从而检测和滤除点云模型中的离群点。重点讨论了点云邻域扩展聚类的概念和方法、如何利用基于动态网格划分法快速搜索点的邻域。解决了点云模型周围孤立及密集分布的离群点检测和滤除问题,提高了传统k-近邻等算法对于点云数据的去噪效率。仿真实验结果表明,该算法可有效滤除点云模型中孤立和密集分布的离群点。
- 李幸刚张亚萍杨雨薇
- 关键词：离群点去噪K-近邻欧氏距离
- 基于非结构自适应网格的二维Euler方程数值求解方法研究被引量：1
- 2016年
- 提出了一种基于非结构自适应网格的二维Euler方程的数值解法.采用有限体积法进行空间离散,通量计算采用Jamson中心格式,使得它适用于任意多边形计算单元.为了得到定常解,采用一种显式的四步Runge-Kutta迭代方法对时间进行积分.根据流场参数的变化梯度确定加密边,由加密准则进行自适应网格剖分,然后得到分布合理的加密过后的网格.求解二维Euler方程,对NACA0012翼型进行了数值模拟,通过对自适应前后的数值解的对比,说明所建立的方法是正确的.
- 杨雨薇虞佳磊张亚萍李幸刚邱晓朴
- 关键词：EULER方程数值解法非结构网格自适应网格
- 一种改进的SIFT图像检测与特征匹配算法被引量：6
- 2017年
- 提出了一种改进的SIFT图像特征检测与匹配算法.以包含像素信息的深度图为基础,通过相应的映射关系,将深度图变成二维图像,再依据深度图每个网格顶点处的局部微分性质确定二维图像上的灰度值,得到二维灰度特征图像;利用SIFT算法对特征图像进行特征点的检测;然后将K近邻算法和双向特征匹配算法相结合,使得匹配得到的结果更加准确,误匹配对更少,并把匹配结果还原到深度图上;最后采用随机抽样一致性RANSAC算法对误匹配点对进行剔除,实现2幅图像的配准.实验结果验证了这种改进算法的鲁棒性和有效性.
- 杨雨薇张亚萍
- 关键词：SIFT算法RANSAC映射
- 惯性信息辅助高动态GPS接收机快速捕获方法研究被引量：1
- 2017年
- 本文研究了在高动态环境背景下,基于GPS普通信号的捕获原理及实现方法。对原有的FFT算法中传统的处理算法进行了改进,仿真了惯性信息辅助算法,实验结果验证了该方法的有效性和鲁棒性。
- 杨雨薇
- 关键词：GPS捕获FFT
- 阻力伞流场数值模拟
- 2017年
- 运用非定常Navier-Stokes(N-S)方程有限体积算法及非结构动网格技术对X-37B飞行器着陆流场进行数值模拟,比较了飞行器在拖挂阻力伞和不拖挂阻力伞两种情况下的流场差异.模拟以混合网格有限体积方法为基础,控制体方程采用N-S方程组,流场计算空间离散采用格点格式,通量计算格式采用Roe,时间离散采用LU-SGS理论和二阶时间精度的双时间步长,湍流模型采用两方程SST湍流模型.动网格技术采用线性弹簧理论处理阻力伞在摆动时流场的变化.阻力伞模型采用中间带气孔的C-9圆锥型降落伞外形,但规模有所缩小,以便适应飞行器.模拟比较了两种情况下着陆流场的差别,并主要比较了两种情况下阻力的差别,从而证明飞行器在拖挂阻力伞的情况下更容易减速着陆.
- 杨雨薇朱江张亚萍
- 关键词：阻力伞动网格N-S方程
- 基于SketchUp的三维图像建模
- 2016年
- 本文的目的是实现图书馆大门的三维图像建模。首先通过卫星成像图和内部图纸来对图书馆进行必要的数据测量;然后使用Sketch Up软件对图书馆大门进行三维图像建模,主要绘制了大门的外形轮廓和内部结构的三维模型;接着使用多种计算机图形学算法,在所构建的图书馆大门三维模型的基础上进一步体现其阴影和纹理细节等模型要素;最后通过细节优化以达到模型的3D渲染效果。
- 杨雨薇
- 关键词：图像建模SKETCH3D渲染
- 一种改进的JPEG图像压缩编码算法被引量：7
- 2016年
- 针对静态数字图像存在去除各像素之间相关性差的问题,在压缩之前对图像进行去噪处理;然后,运用DCT变换、量化、哈夫曼编码对图像进行压缩;最后,采用MATLAB软件对该算法实现仿真,将不同量化等级下得到的结果进行了分析比较.实验结果表明,该算法所得图像的压缩比和信噪比均较高.
- 杨雨薇张亚萍李幸刚
- 关键词：图像压缩去噪离散余弦变换哈夫曼编码
- 基于图像的重建点云离群点检测算法被引量：10
- 2018年
- 基于图像重建出的三维点云模型通常会包含许多离群点,这些离群点可能孤立存在或密集聚集在一起形成点簇,也可能分布在模型周围甚至附着在模型表面。通过一种检测方法很难有效滤除多种分布状态的离群点,因此,提出了综合的离群点监测算法。首先通过空间距离剔除与模型主体较远的离群点,并通过构建空间拓扑关系加快离群点搜索速度;然后利用边界匹配法,将较小点簇分别与最大点簇进行对比,滤除模型周围离群点簇;最后采用改进的K-means算法,根据RGB颜色值特征对点云数据进行聚簇分类,结合已识别的离群点,检测和滤除附着在模型表面的离群点。仿真实验结果表明,此方法能够有效滤除点云模型中多种分布状态的离群点。
- 杨雨薇李幸刚张亚萍
- 关键词：点云三维重建离群点聚类
