基于动态图卷积和离散哈特莱转换差异性池化的点云数据分类分割网络

针对目前可以直接处理原始点云数据的深度学习网络PointNet,忽略了点与点之间的拓扑关系和全局特征信息单一的缺陷,提出一种基于动态图卷积和离散哈特莱转换（DHT）差异性池化的点云数据分类分割网络。首先,设计动态图卷积模块构建局部邻域图结构,通过图卷积网络获得点与点之间的位置关系,同时采用动态更新图结构的方式,增强网络表征能力;然后,通过离散哈特莱转换将特征转换到指定维度;最后,通过最大池化和平均池化并联通道获得全局特征。实验结果证明：提出的网络模型与PointNet网络模型在同样的数据集和评价标准上对比,点云分类任务上总体精度提高2.6个百分点,部件分割任务平均交并比（mIoU）提高4.1个百分点,场景语义分割任务mIoU提高8.6个百分点。通过运用该网络模型能有效提升点云数据分类分割的准确率,同时该网络具有更强的鲁棒性。     

模糊边缘检测算法在水印模糊检测中的应用

在防伪印刷纸张质量检测系统中，纸张防伪水印的模糊是其检测的重要指标之一。为了保证实际防伪印刷纸张质量检测的实时性和准确性，提出了一种水印模糊检测算法，该算法运用一种改进的快速模糊边缘检测算法来进行水印图像的边缘轮廓检测，以得到目标图像的边缘轮廓，然后根据边缘轮廓的边缘信息，通过对边缘轮廓像素进行梯度运算得到边缘的灰阶变化，以边缘像素灰阶变化设计了水印模糊判定函数。经过实验，该算法运算速度较快，准确度较高，具有良好的应用前景。