关键词： 表面肌电信号   非负矩阵分解   模式识别   肌肉协同   运动康复  

摘要： 上肢是人体重要的运动功能器官,在人体日常生活中发挥着重要的作用,由于各种原因导致的肢体残疾以及上肢运动功能障碍,会对患者的日常生活造成极大的影响并由此带来巨大的心理和生理负担。利用表面肌电信号识别运动意图、控制康复系统一直是神经工程和康复工程的关注热点,基于肌电信号特征的运动模式识别是肌电控制的关键环节,目前常见的特征值提取主要包括时域、频域以及时频域等特征分析方法;肌肉协同收缩是神经系统对运动控制的一种基本策略,在国家863项目“基于多源生物信息解码的智能交互控制技术与系统(2015AA042303)”支持下,本文将肌肉协同这种固有运动生理机制融入到传统运动模式识别中,设计了一种基于协同模式特征参数的手势及上肢运动模式分类识别方法,并通过分析研究运动模式对肌电协同特性影响探究其在手势识别中的可行性和鲁棒性,以及上肢伸够运动目标位置与肌电协同模式的内在联系,以改善上肢运动意图的识别效率,从而适应目前肌电假肢灵巧控制策略的发展需求。为了在运动模式识别中充分考虑肢体运动过程中固有的生理机制,本文设计了基于非负矩阵分解(Non-negative Matrix Factorization,NMF)算法提取肌肉协同构建特征矩阵的方法。通过记录健康被试者完成日常生活中常用5种手势动作过程中前臂表面肌电信号(Surface Electromyography,sEMG)数据,6通道表面肌电信号经预处理后提取包络信号,利用NMF分解提取肌肉协同模式并构建特征值矩阵,然后分别基于特征值在特征空间的分布以及相应的识别结果判断分类效果。结果表明:基于肌肉协同构建特征值的方法在特征空间中具有良好的聚类性;通过支持向量机(Support Vector Machines,SVM)以及K均值聚类分类识别结果证明了该方法在手势识别中具有可行性;通过构建特征集被试者人数与识别率之间的关系证明了具有较好的鲁棒性。同时,为了探究基于肌肉协同构建特征值在上肢不同空间位置运动模式中的运动机制,本文设计了空间中9个目标位置的上肢抓取运动实验,一共募集了11名健康的被试者参与实验,采集被试者执行9个空间目标位置实验任务过程中的表面肌电信号数据。通过预处理提取包络信号后经NMF分解算法提取肌肉协同构建特征值矩阵,然后基于方差占比率(Variance Account For,VAF)值与肌肉协同数目变化之间的关系,探究肌肉协同数目变化对于上肢空间运动模式识别的影响。结果表明:位于空间最中心的目标位置与其他位置之间存在更高的相似性,且随着协同元个数的增加,边缘空间位置与中心位置识别率差异更加明显,该结果得到了识别率结果以及有关相关系数计算结果的支持。本课题提出基于NMF算法提取肌肉协同构建特征矩阵的方法与传统运动模式识别相结合,在运动模式识别中考虑机体固有的运动生理机制,得到了较好的识别效果并体现较好鲁棒性,同时探究了上肢在不同空间位置运动过程中的运动机制,为后续肌电假肢及康复系统控制提供了新的技术思路。

关键词： 手机信令数据   出行方式   模式识别   路径匹配  

摘要： 掌握个体出行需求与行为特性进而优化居民出行方式结构、平衡供需矛盾是解决交通拥堵问题的关键。手机信令数据是一类能连续追踪个体的轨迹数据,具有覆盖人群范围广、稳定可靠、实时性强且获取简单经济的优点。然而其在城市与交通规划领域中的应用目前还局限在中、宏观的决策分析中,在精细化出行信息的提取尤其是出行方式获取方面的研究应用还较少涉及。本文旨在基于4G手机信令数据,结合居民出行调查数据、GIS数据、导航数据建立出行方式识别模型。围绕该核心目标本文从出行轨迹信息提取以及方式识别模型构建两方面展开研究并取得以下成果:1)从原始手机信令数据定位点中识别停驻点,提取出行信息并进行路径匹配,获取用户在路网上的出行轨迹。首先针对原始数据中不同类型的噪音数据设计相应的识别剔除算法;其次根据轨迹点的时空特性和出行的定义,设计时空聚类算法对轨迹点进行分类,识别其中的停驻点从而提取用户的出行信息;最后在考虑覆盖道路频次和空间距离的基础上,通过基站与交叉口的匹配将基站轨迹序列转换成交叉口序列,最终获得手机用户在路网上的真实出行轨迹。2)融合多源数据获取训练样本的出行方式标签以及提取建模特征参数,通过机器学习算法构建出行方式识别模型。首先通过与居民出行调查数据匹配的方法获取到5861条有出行方式标签的轨迹样本数据;其次融合GIS信息和导航信息,从轨迹时空特征、出行方式选择行为影响特性以及导航路径特性三方面提取29个特征参数,并使用遗传算法进行特征选择最终保留16个建模特征参数;在获得训练样本和特征空间的基础上将出行方式划分为步行、自行车、电动车、公交车和小汽车,分别使用KNN算法、支持向量机算法、随机森林算法构建出行方式识别模型。三个模型的总体识别精度分别为72.67%、68.66%和80.79%,其中步行的识别精度较高,公交车识别效果较差,在表现最优的随机森林模型中查准率为63%,查全率为76%均低于模型平均值,小汽车和电动车的识别精度在80%左右。最后对随机森林模型中特征参数的重要度进行了排名,结果表明出行轨迹时空特征重要度最高,其次是导航路径特性中不同出行方式的出行时耗特征,最后是居民出行选择行为特性中的交通设施建成环境特征。

关键词： 枝孢样枝孢霉   模式识别受体   细胞因子   免疫应答   肺   皮肤  

摘要： 目的:本研究旨在探究枝孢样枝孢霉分别以皮下和尾静脉注射感染健康小鼠,对皮肤和肺脏的致病性,及皮肤和肺组织中的模式识别受体和细胞因子的变化,研究不同感染途径引起的先天性免疫应答。方法:对C57BL/6小鼠皮下注射枝孢样枝孢霉孢子悬液(2×10CFU/m L)0.1m L,采集感染后7 d和14 d皮肤组织样本进行病理组织学检查,采集对照组0 d和感染后7 d皮肤组织样本进行免疫荧光染色,采集对照组0 d以及感染后12 h、1 d、3 d、7 d和14 d皮肤组织样本进行RT-q PCR测定细胞因子及模式识别受体表达。对KM小鼠尾静脉注射枝孢样枝孢霉孢子悬液(2×10CFU/m L)0.2 m L,采集感染后1 d、2 d、3 d、5 d、9 d、14 d和21 d肺组织样本进行病理组织学检查,采集感染后2 d、5 d、9 d和14 d肺组织样本测定真菌负荷量,采集对照组0 d和感染后5 d肺组织样本进行免疫荧光染色,采样对照组0 d以及感染后2 d、5 d、9 d和14 d肺组织样本进行RT-q PCR测定模式识别受体及细胞因子表达。结果:小鼠皮下注射枝孢样枝孢霉后形成皮下脓肿,脓肿灶内有大量炎症细胞浸润,而皮肤表皮和真皮层结构中有较少炎症细胞浸润,少量树突状细胞、巨噬细胞和中性粒细胞募集。模式识别受体中Dectin-1在感染14 d,TLR-2在感染3 d,TLR-4在感染后12 h基因相对表达显著增加(p<0.01)。促炎细胞因子IFN-γ、IL-12、IL-23、IL-6、IL-4、IL-17F在感染后12 h,IL-1β和IL-17A在感染后7 d,均表现基因表达显著增加(p<0.01),其中以IL-6、IL-1β和IL-17A相对表达倍数增加较高。抑炎细胞因子TGF-β在感染后7 d基因表达显著增加(p<0.01)。尾静脉注射枝孢样枝孢霉感染小鼠后,小鼠肺脏中有大量真菌孢子定植,且血管充血、出血严重,肺组织中可见大量炎症细胞浸润,有较多中性粒细胞、巨噬细胞和树突状细胞募集,及较高ICAM-1分泌。模式识别受体中Dectin-1在感染后基因表达显著减少(p<0.001),TLR-2和TLR-4分别在感染后5 d和14 d基因表达显著增加(p<0.01)。促炎细胞因子IFN-γ、IL-13和IL-1β在感染后2 d和5 d,IL-4、IL-23和IL-22在感染后5 d,IL-12、TNF-α和IL-17F在感染后14 d,TNF-α和IL-17A在感染后2 d,均表现基因表达显著增加(p<0.01),其中以IL-4、IL-13、IL-12、IL-23、IL-1β和IL-22相对表达倍数增加较高。抑炎细胞因子TGF-β和IL-10在感染后5 d基因相对表达显著(p<0.01)。结论:小鼠皮下感染枝孢样枝孢霉引起皮下脓肿,真菌孢子和菌丝只定植于脓肿内,皮肤组织表现较弱的炎症反应,Toll受体识别真菌孢子并诱导体内先天性和适应性免疫应答,Th17信号通路参与机体免疫应答。小鼠尾静脉感染枝孢样枝孢霉引起肺脏严重感染,肺组织中有较多真菌孢子和菌丝定植,至感染后5 d得到控制,Toll样受体识别真菌并诱导体内先天性和适应性免疫反应,Th2和Th17信号通路参与机体免疫应答。

关键词： 出行方式   智能手机   模式识别  

摘要： 目前室外定位技术可分为:RFID、Wi-Fi、蓝牙、Zigbee、3/4G等技术,最常应用的是3/4G定位,经由信号强度分析,判断使用者和3/4G热点的相对位置。然而3/4G技术容易受到环境限制因素导致信号衰退,产生定位结果飘移的状况,降低定位准确度,其他定位技术则需要高构建成本和维护成本。本文通过联合使用GPS定位技术、3/4G定位技术以及图片定位技术和随机森林算法对这些定位信息分类和决策,获取到最后的位置和轨迹信息,从而有效的避免了单独使用GPS定位或者3/4G定位技术存在的问题。

关键词： 电子舌   酱油   模式识别   滋味品质  

摘要： 酱油是我国重要的传统调味品,其滋味品质是影响质量水平的决定性因素之一。随着经济全球化的加速,酱油市场竞争愈发激烈,有必要对其滋味品质进行深入研究。然而,目前对于酱油滋味的评价方法甚少,探究新型分析手段对酱油滋味品质把控具有重要意义。电子舌作为新型分析仪器,具有操作便捷、结果客观、适用性强等优点,在各类食品中均具有较广泛的应用前景。因此,本文以生抽酱油为研究对象,结合多种模式识别方法,探究了电子舌技术在酱油中的具体应用。主要研究内容如下:（1）对酱油的电子舌测定方法进行了优化,最佳条件如下:酱油采用蒸馏水稀释30倍,选择酸味、苦味、鲜味、鲜味回味（丰度）、咸味、甜味6个指标进行测定,丰度测定前的时间间隔（清洗时间）为6 s,选择第3～5次平行测定的数据作分析。采用偏最小二乘法建立电子舌测定值与感官品评结果的相关模型,研究发现6个指标的决定系数R2均在0.76以上,表明模型预测效果良好,验证了上述测定条件的准确性。（2）将电子舌技术与多种模式识别方法相结合,针对不同品牌、不同等级、不同国家的酱油进行识别研究,发现电子舌技术可区分不同酱油,采用主成分分析（PCA）可基本反映不同类型酱油的滋味差异性,判别因子分析（DFA）则具有更好的分类效果,而神经网络分析（ANN）识别效果最佳,正确判别率为100%。由此可见,电子舌技术与PCA、DFA、ANN等方法相结合,可实现酱油的快速、准确分类。（3）基于电子舌技术分析预测酱油的理化指标。以不同品牌、等级、国家的酱油为研究对象,系统研究电子舌响应值与6项理化指标（氨基酸态氮、总糖、总酸、氯化钠、鲜味氨基酸、苦味氨基酸）的相关性并建立预测模型。研究发现偏最小二乘法较逐步线性回归具有更好的预测效果,该模型中不同品牌、等级、国家酱油的理化指标回归系数R2范围分别为0.781～0.913、0.859～0.933、0.820～0.935,拟合准确度较高。（4）通过电子舌技术分析酱油贮藏过程中的滋味品质变化。研究发现随着贮藏时间的延长,酱油的酸味和咸味增强,而苦味、鲜味、丰度、甜味不同程度地下降,基本与理化指标的变化规律相符。对比分析较高温度（45±1℃）、室温（25±1℃）、冷藏（4±1℃）3种贮藏条件的酱油滋味品质变化,发现从第2个月开始不同样本差异逐渐明显,较高温、室温贮藏的酱油滋味特征相似,而冷藏样品滋味变化较小。利用电子舌技术结合ANN对不同贮藏条件下的酱油进行区分,正确率达100%。利用DFA对酱油的贮藏时间进行预测可实现100%的正确率。采用偏最小二乘法建模,根据电子舌检测信号预测酱油贮藏期间的理化指标含量变化,氨氮、总酸、总糖、氯化钠、鲜味氨基酸、苦味氨基酸的预测模型R2分别为0.988、0.993、0.994、0.951、0.979、0.980,精确度较高。（5）基于电子舌技术,在酱油中分别添加MSG、NaCl、蔗糖研究滋味间的相互作用,研究发现鲜味的提升能够在一定程度上削弱酸味、咸味及甜味,增强苦味和丰度;而咸味提升可增强酸味、苦味、鲜味、丰度,但会明显抑制甜味;随着甜味的增强,酸味、苦味、咸味降低,鲜味、丰度增强。结合主成分分析,将建立的滋味变化曲线应用于酱油调配中,可简化酱油的调配工作。

关键词： 滚动轴承   异常值   故障诊断   特征加权  

摘要： 滚动轴承是旋转机械设备的重要部件,在机械设备中起着支撑轴及轴上零件、保持轴的正常工作位置和旋转精度等作用,广泛应用于工业领域的各个方面。据统计,滚动轴承是旋转机械中最易损坏的零部件之一,其工作状态直接影响到整台设备甚至生产线的运转。因此,采用有效的方法对滚动轴承的运行状态进行监测及诊断,对于机械设备的稳定运行有着重要的意义。然而,在滚动轴承的故障诊断中,由于设备运行过程产生的振动、现场环境的噪声和测量误差等因素的影响,实际采集的滚动轴承振动信号往往表现出非线性和非平稳性,所提取的特征数据出现远离群体的异常值,这些异常数据对建模过程产生了不同程度的影响,导致建立的模型与实际情况之间存在偏差,影响故障诊断的准确性。针对上述问题,本文提出了基于优化加权的代理判别模型(Agent discriminate model based optimization weighted,简称ADMOW)。该方法根据各项特征参数的贡献度对样本特征值赋予一定的权值,以此弱化异常数据导致的模型偏差,然后根据各项特征值间的相互内在关系建立基于Kriging函数的代理判别模型,并通过优化算法对模型的参数进行优化,进一步弱化异常数据的影响。本文的主要研究内容如下:(1)以Kriging模型为基础,建立代理判别模型,该模型考虑了同类别样本的各项特征值之间具有相同的内在关系,而不同类别样本的特征值之间具有明显不同的内在关系。根据特征值之间的相互关系建立线性或非线性的数学模型,以模型对特征值的预测结果作为分类依据进行模式识别。(2)针对特征数据集中存在的远离群体的异常值,分别采用特征评价法和熵权法评估各项特征参数的贡献度,并根据贡献度的大小对特征值进行加权。将加权的模型应用于滚动轴承实验数据分析,结果表明,特征评价法和熵权法均能提高特征数据的稳定性,弱化异常值对建模的影响,提高滚动轴承故障识别率,而且前者对异常值的弱化效果更加明显。(3)将粒子群优化算法引入代理判别模型,对建立的模型参数进行优化。滚动轴承实验数据分析结果表明,参数优化后的模型能够进一步弱化异常值的影响,得到更加接近真实情况的分类模型,进而提高了模型的分类精度和故障识别率。

关键词： 淡水鱼   被动水声信号   特征提取   模式识别   回归分析   概率神经网络   支持向量机  

摘要： 我国是淡水鱼养殖大国,淡水鱼产量逐年递增,渔业养殖中一个非常重要的问题是鱼类数量的估计,传统估计方法主要适用于海洋和大型湖泊,而缺少针对于对一般淡水养殖的鱼类数量估计手段,由此本文以鳊鱼和鲫鱼两种淡水鱼为研究对象,采集了7种比例和15种数量下鳊鱼鲫鱼的声音信号,经归一化和滤波处理后,提取了鱼声信号特征,分别建立了鳊鱼鲫鱼混合比例识别模型和混合数量预测模型,主要研究结论如下:1.采集了不同比例和不同数量下鳊鱼鲫鱼的声音信号,其中比例依次为1:1、1:2、1:3、1:4、2:1、3:1和4:1,及比例在1:1条件下,总数量依次从2条、4条、6条递增至30条,对信号分别进行了巴特沃斯低通滤波、等波纹滤波、小波滤波和维纳滤波处理,提取了不同比例和不同数量下鳊鱼鲫鱼声音信号基于小波包分解的频段能量、平均Mel倒谱系数和基于功率谱的主峰频率及主峰值三类特征。2.建立了鳊鱼鲫鱼混合比例识别模型。分别运用概率神经网络和支持向量机构建了鳊鱼鲫鱼比例识别分类器,用二次网格搜索优化分类器中的超参数,以10次10折交叉验证后的平均分类准确率作为分类器性能指标来评价模型,结果表明:所构建的概率神经网络模型中,选用等波纹滤波处理,平滑因子取0.09时模型性能最好,识别率达到0.9067。所构建的支持向量机模型中,选用等波纹滤波处理,惩罚系数取90.5097,高斯核函数参数取2.0000时,模型性能最好,识别率达到0.9583。3.建立了鳊鱼鲫鱼混合数量预测模型。利用Rank-RS法将原始样本划分为训练集和验证集,再运用基于普通最小二乘法的多元线性回归建立了鳊鱼鲫鱼数量预测模型,结果表明:(1)所构建的模型中,经巴特沃斯低通滤波处理后数据所建模型性能最好,其训练集决定系数为0.9522,调整的决定系数?为0.9514,定标均方误差RMSEC为0.9443,验证集决定系数为0.9555,验证均方误差RMSEP为0.9108,相对分析误差RPD为4.7571。(2)采用t检验来判断上述模型中各特征值对数量影响的显著性时,共有12个特征对数量有显著影响(P<0.05),且对数量影响最大的依次是第22、23、4和20个特征,它们分别代表了第6、7个平均Mel倒谱系数、375-500Hz内的频段能量及第4个平均Mel倒谱系数。

关键词： 协作表示   概率协作表示   基于表示的分类   模式识别  

摘要： 模式识别又称模式分类,其作为信息科学和人工智能的重要组成部分,随着科技的飞速发展,在过去几十年里,取得了突飞猛进的发展。最近几年,基于表示的分类在模式识别和机器学习领域吸引大量研究者的兴趣。协作表示作为一种典型的基于表示的分类方法,具有封闭形式的快速解,对分类非常简单,具有高效性和健壮性。为了进一步提高协作表示的识别准确率和分类性能,本文主要做了如下三个方面的工作:（1）为了探究不同编码残差的协作表示（Collaborative Representation-based Classification,CRC）和概率协作表示（Probabilistic Collaborative Representation-based Classification,PCRC）的分类性能以及充分利用局部信息来增强表示系数的判别性,提出了几种基于残差和权重的CRC和PCRC拓展方法。在基于残差的拓展中,使用l2范数和1l范数编码残差共同约束表示保真度。在基于权重的拓展中,将数据的局部信息作为权重约束不同编码残差的CRC和PCRC的表示系数。实验结果表明所提的方法具有优异的分类性能。（2）受启发于PCRC和由粗到细表示的思想,为了进一步改善PCRC的分类性能,设计了两阶段概率协作表示分类（Two-phase Probabilistic Collaborative Representation-based Classification,TPCRC）。其核心思想是在第一阶段用PCRC粗略的挑选一些与测试样本较为相似的训练样本所在的类,第二阶段则通过PCRC使用已选中类的训练样本进一步精细地表示和分类每一个测试样本。为了充分利用局部信息,在第二阶段将测试样本与所有训练样本之间局部距离相似性作为权重,约束PCRC的表示系数,从而提出了两阶段加权概率协作表示。（3）在大多数CRC及其变体中,测试样本都是通过所有类的训练样本线性重构而成,因此与测试样本同类的训练样本在判别竞争表示和分类测试样本时,可能不具有主导作用。而且,当不同类的训练样本特别相似时,更容易产生分类错误。针对此类问题,设计了可鉴别表示分类（Discriminative Collaborative Representation-based Classification,DCRC）来增强模式分类的判别性。所提方法不仅能够降低各个类之间的相关性,而且能够增强所有类别的重构表示与测试样本具体类别的重构表示之间的相似性,从而显著增强类别之间的可鉴别性。在人脸数据集上的实验表明了DCRC的有效性和健壮性。

关键词： 运动模式识别   微惯性测量单元(MIMU)   误差校准   特征选择   SVM   LSTM  

摘要： 基于微惯性测量单元(Micro-Inertial Measurement Unit,MIMU)的人体运动模式识别是模式识别领域一个新的研究方向。MIMU具有体积小、重量轻、可穿戴等优点,能够实现对目标运动模式的持续监测,因而在医疗健康、体育竞技和军事训练等领域具有广阔的应用前景。本文研究八种日常运动模式的识别,包括静态的站立、坐立、平躺和动态的走路、上楼、下楼、跑步、骑单车,主要完成的工作如下:(1)以高性能、低功耗、小型化、低成本为目标,进行了传感器节点的器件选型和硬件电路设计;通过人体运动模型分析了各运动模式的动作特点,确定了模式区分能力最佳的身体部位,设计了传感器节点部署方案。(2)针对低成本MIMU精度低且不具备高精度仪器校准条件的问题,建立了MIMU系统误差数学模型,模型考虑了坐标系未对准、轴间耦合、标度因子、零偏等误差成分;根据误差模型设计了基于多位置方法的软件校准算法;依据算法流程进行了MIMU误差校准实验,实验结果表明,校准后加速度计输出误差与校准前相比降低了74.1%,陀螺仪输出误差相比降低了32.0%。(3)针对原始数据质量不高的问题,结合数据挖掘领域知识和本研究问题背景,设计了基于正太分布的离群点校正方法和基于均值插补的数据缺失处理方法;提出了采用集合经验模态分解(Ensembel Empirical Mode Decomposition,EEMD)对传感器信号进行降噪,相比于依赖先验基函数的小波变换,EEMD具有自适应特性;分别在原始数据集和经本文数据预处理方法处理后的数据集上进行运动模式分类实验,实验结果表明,数据预处理后分层算法平均识别率提高了2.4%,LSTM分类器平均识别率提高了2.3%。(4)设计了基于支持向量机(Support Vector Machine,SVM)的运动模式分层识别算法,以对数据集的区分能力为依据设计特征方案;针对骑单车的运动特点提取了关联特征;针对走路、上楼、下楼三种易混淆的模式,提取了EEMD特征。实验表明,在本文数据集下分层算法对八种运动模式的平均识别率为96.7%。(5)设计了基于长短期记忆网络(Long Short-Term Memory,LSTM)的运动模式分类器,与传统机器学习要求基于专家知识的手工特征工程不同,LSTM能够自动对输入时间序列进行特征提取和融合,并通过隐藏层网络进行深度学习。实验表明,在本文数据集下LSTM分类器对八种运动模式的平均识别率为97.6%。(6)为了进一步对本文算法进行验证,在加州大学欧文分校开源的DSAD数据集上进行了识别实验,实验结果表明,基于SVM的分层算法具有良好的泛化能力,而基于LSTM的分类器具有更高的性能上限,但需要大规模训练数据集作为支撑。

关键词： 单木骨架提取   单木点云   地基激光雷达   模式识别  

摘要： 树木三维模型研究在虚拟三维景观、道路导航、林业资源规划设计等领域具有重要意义。单木点云数据量较大,并且存在大量冗余数据。由于单木枝叶相互遮挡、容易受到风的扰动等影响,导致单木枝干数据缺失以及噪声点过多无法准确识别枝干。这些因素使得直接进行单木三维重建非常困难。而树木的骨架线能够很好的表示树木的三维形态特征、几何结构,在树木点云压缩、三维建模方面应用较广。本文基于单木枝干的点云模型提取单木骨架,对研究单木三维重建技术有重要意义:针对单木点云数据量较大的特点,为了快速查询、检索单木点云的邻域等信息,本文构建单木点云数据的KD树结构,提高单木点云数据处理的效率。利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RGB色彩特征等多维特征。为提高分类的效率,通过随机森林算法按照其特征重要程度排序,除去冗杂的特征,保留RGB色彩,反射强度,法向分布特征作为分割依据。采用极限学习机(Extreme Learning Machine,ELM)进行单木枝叶点云分类识别。将单木枝干点云进行K-Means聚类,分析聚类结果,识别出于属于同一上一级枝干的不同分枝处点云被聚为一类的情况,对该部分点云利用K-Means算法进行二次聚类。使得单木枝干点云完全按照其枝干生长方向聚类。聚类后的点云,其点集与xoy平面呈现一定角度的倾斜。按照聚类的不同部分,根据树木枝干近似成圆柱状的特点,计算其主法线方向向量,利用Rodrigues旋转公式,计算枝干部分点云的旋转坐标。由旋转轴和旋转角度求得Rodrigues旋转矩阵,对点集进行计算得到旋转后的点集坐标。旋转后的点集投影至X0Y平面后,利用迭代变权最小二乘法进行圆拟合,拟合圆圆心变换至三维空间即为该点集的骨架点。对提取的所有骨架点,构建其邻接图矩阵,分别采用基于水平集以及最小生成树连接骨架点,构建骨架模型,并比较两种方法所得的骨架模型的效果,由于最小生成树能避免骨架点连接闭合环的产生,本文采用最小生成树形成单木枝干骨架。根据判断条件,连接连续分枝的未连接骨架点,经过修整后即得到最终的骨架模型。得到的单木枝干骨架中,其骨架点之间采用直线连线,为了更加贴近真实树木枝干模型,本文利用三次B样条函数对骨架点进行插值,拟合枝干骨架曲线,使经过三次B样条曲线拟合后的骨架较为平滑,最终得到具有真实感的单木骨架模型。