简介:“十二五”以来,随着农业信息化步伐的逐步加快,数字农业的飞速发展,作物的三维重建技术也越来越广泛的应用于农业生产的各个环节。点作为最简单的图元,能够可靠地记录目标的立体形态信息,较为精确地表示出物体的形状特征。基于点云的图像预处理及重建技术是一个集合了VR、CG和CV等多门学科的综合研究领域。该文以水稻植株为研究对象,利用Kinect深度传感器获取作物的点云数据,通过对点云数据预处理、去噪的方法研究,将不同方位的点云数据收集并配准,进而总结出点云数据快速三维重建的方法。该研究能够为快速获取植物三维点云数据,并实现植物三维形态的重建提供一种廉价、快速和高效的手段。
简介:提出了一种利用修改的有序子集(MOS)方法改进空间交替广义期望最大(SAGE)算法收敛性的方法.新的可变有序子集算法(MOS-SAGE)通过修改投影数据的数目和子集的排列循序加速收敛速度.其中每一个子集中的投影数目按2,4,8,16,32,64来排列以便重建算法首先恢复高频部分信息,然后重建低频部分信息.另外新算法还使相邻子集尽可能分离以减少投影间的相关性,达到加速收敛的效果.实验中,运用MOS-SAGE算法对计算机仿真的PET投影数据和实际的临床数据进行重建.几种误差分析结果表明,MOS-SAGE算法的收敛性能比SAGE算法和有序子集期望最大算法(OSEM)要快,重建后的图像更接近仿真用的模板图像.