Finsler流形上的热核测地线方法研究及其在网格重构和曲面配准中的应用
批准号:
62101392
项目类别:
青年科学基金项目(C类)
资助金额:
30.0 万元
负责人:
杨芳
依托单位:
学科分类:
图像信息处理
结题年份:
2024
批准年份:
2021
项目状态:
已结题
项目参与者:
杨芳
中文摘要
测地线作为距离度量,能够反映曲面固有属性,因而被广泛应用于计算机视觉、图像图形学和离散几何等领域。目前关于测地线的研究面临两大难点问题:1)大部分的研究工作主要考虑黎曼流形上的测地线,在实际应用中较难精确地对复杂几何结构进行建模;2)随着各种几何模型的分辨率的提高和数据量的增大,传统的测地线方法无法有效处理这些大规模数据。针对上述两个问题,本项目将开展Finsler流形上热核测地线方法的研究。首先研究Finsler流形上的热核测地线方法,建立Finsler流形上热核与测地线之间的联系,然后提出一种可并行可扩展的非对称热核测地线方法,最后利用Finsler热核测地线解决网格重构和曲面配准中所面临的强各向异性和非对称长度测量问题。本项目的研究不但将为网格重构和曲面配准等应用提供快速有效的新方法,理论算法在应用数学和离散几何领域也有很强的科学意义。
英文摘要
As a distance metric, geodesics can reflect the intrinsic property of surfaces. Hence, it is widely applied in numerical geometry processing, computer vision, and computer graphics, etc. At present, the researches on geodesic methods face two challenges: 1)Most of the current geodesic research work mainly considers the geodesic on the Riemannian manifold, and it is difficult to accurately model complex geometric structures in practical applications; 2) As the computing and imaging equipment becomes more and more powerful, the resolution of various geometric data is getting higher and higher, and the amount of data is getting larger and larger. Current geodesic method is not able to effectively process these large-scale data. Focusing on these two challenges, this project will first generalize the geodesic by heat kernel to the Finsler manifold and then propose a parallel and scalable asymmetric heat method. Finally, the Finsler geodesic is applied to remeshing and mesh registration. The research of this project will provide fast and effective new methods for applications such as mesh reconstruction and registration. Furthermore, in terms of either applied mathematics or discrete geometry, it is of high value and importance.
本项目名为“Finsler流形上的热核测地线方法研究及其在网格重构和曲面配准中的应用”,主要研究图像处理中的关键技术,聚焦高光谱图像去噪、图像融合与分类、多模态图像和点云配准、大倾角航空影像与正射影像配准,具有广泛应用前景。..随着遥感、医学影像、自动驾驶等领域的发展,高光谱和多模态图像应用增多,但面临噪声和异质性挑战。本项目旨在通过创新方法解决这些问题,提升图像处理的精度与鲁棒性。提出了基于图拉普拉斯正则化的高光谱图像去噪方法,平滑图像空间域和光谱域,去除噪声,保留光谱细节。结合高光谱图像的光谱信息和多光谱图像的高空间分辨率,提高地物分类和目标识别精度。基于特征点匹配和区域相似性的方法,提高多模态图像的配准精度,适用于医学和遥感图像。提出了基于变形模型的点云配准方法,对齐不同源点云数据,支持三维重建和场景分析。基于区域特征匹配的方法,解决大倾角影像与正射影像的视角差异和几何失真问题,提升配准精度。..本项目提出的去噪方法有效去除高光谱图像噪声,为数据分析提供高质量输入。融合与分类方法提高地物分类精度,应用于遥感监测和目标识别。配准方法解决多源数据间的配准问题,适用于医学影像和三维重建。大倾角影像配准方法提升航空影像与正射影像配准精度,应用于军事侦察和地图制作。本项目技术成果在遥感监测、环境分析、军事侦察、智能交通、自动驾驶等领域具有广泛应用前景。高光谱图像去噪和融合技术可应用于遥感数据处理和地物分类。多模态图像配准技术能提升医学影像分析和城市建模的精度与效率。点云配准方法在三维重建、自动驾驶和建筑测量等领域具有广泛应用。大倾角航空影像与正射影像配准方法,为军事侦察、灾后评估和地图更新提供技术支持。..综上所述,本项目通过创新的图像处理方法,解决了高光谱图像去噪、图像融合、配准等领域的技术难题,为多个实际应用领域提供了技术支持,具有重要的科学意义和广泛的应用前景。
国内基金
海外基金