一种倒数加权的窗口自适应邻域图像滤波算法

对于叠加了白噪声的图像,提出一种倒数加权的窗口自适应邻域图像滤波算法.算法首先利用自适应邻域统计的概念在以每个滤波点为中心的滤波窗口内,为其建立参与滤波的自适应邻域像素集合,随后对纳入自适应邻域的像素进行倒数加权作为滤波结果.仿真和对比实验的结果显示,提出的算法在性能上超过了传统的中值滤波和窗口自适应邻域滤波算法.它能在有效抑制加性白噪声的同时,完好地保持图像的边界和细节信息,并且滤波后的图像获得了良好的视觉效果.     

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。     

点云模型自适应增加采样点算法

提出一种新的点集模型自适应增加啊采样算法.算法利用最小二乘法求出点云模型上每个点的局部光滑曲面片,并由所求得的曲面多项式计算点集曲面上每个点的曲率.通过对每个点及其邻点进行Voronoi剖分,求取每个点所控制的有效采样区域,然后根据曲率在有效区域内建立采样栅格,求取有效区域内的栅格点在曲面上的投影点即为新增采样点.该方法得到的增加采样模型可以较好地保持原点云模型曲面的几何性质,同时还可以通过选择不同的栅格得到适用于不同处理要求的点云模型.     

改进PMVS三维重建点云滤波算法

针对在小范围场景进行单目视觉三维重建过程中,稠密点云模型存在大量离群点的现象,提出一种改进的点云滤波算法.将多视图稠密重建(Patch-based Multi-View Stereo,PMVS)算法与统计分析法相融合,对利用PMVS算法得到的稠密点云进行统计分析,设定标准距离并求解点云中每一个点到其所有邻近点的平均距离...     

基于邻域重心约束的点云模型光顺算法

从统计的角度分析点云模型的光顺除噪,并提出了一个针对随机噪声的邻域重心约束光顺算法．此方法通过极小化邻域重心约束的局部邻域目标函数达到局部光顺的目的,不需要进行表面重构并保证选代过程中点云模型主体形状不变,有效地克服了拉普拉斯算子所造成的过度收缩与聚集现象．实验表明此方法不仅计算稳定、速度快,而且简便易用．     

特征保留的点云数据自适应精简算法

提出一种特征保留的点云数据自适应精简算法。该算法首先构造散乱点云数据的局部拓扑信息,通过一种改进的二次栅格法快速建立K邻域,由此估算点的邻域弯曲度,再进行分类。算法在保留特征点后对其余点应用自适应精简距离进行阈值精简,故算法不仅可以完整保存实物模型整体轮廓,而且能够最大限度地保证模型区域特征。数值实验结果表明,该算法能够得到不错的精简效果,且具有较小的计算时间复杂度。     

图像插值的自适应邻域滤波方法

图像待插像素用其邻域内连续方向上像素的Tyler展开可以得到较好的近似,但是沿着灰度连续和不连续方向(跨越图像边缘方向)的Tyler展开近似的线性平均会增加图像边缘宽度,引起图像边缘的视觉模糊以及产生锯齿边缘。为此,通过一个与灰度距离相关的权函数,自适应选择待插像素邻域内的Tyler展开,提出一个邻域滤波图像插值方法。与待插像素位于图像边缘同侧的像素权函数的值较大,像素的Tyler展开被选择为待插像素的近似;反之则权函数的值较小,像素的Tyler展开不用作待插像素的Tyler展开。实验结果表明,该方法避免了跨越图像边缘的Tyler展开的线性平均,可减小插值图像边缘的宽度,增加边缘斜坡坡度,从而获得清晰的插值图像边缘。     

基于邻域特征编码优化的液压支架激光点云分割算法

受井下煤尘和易被遮挡的影响,液压支架激光点云数据容易出现残缺。现有点云分割算法难以获取细粒度的点云特征,无法得到完整的点云结构信息,且易在邻域内引入语义信息不相似的点,导致液压支架激光点云分割精度低。针对上述问题,提出了一种基于邻域特征编码优化的液压支架激光点云分割算法。引入了由邻域特征编码模块、邻域特征优化模块和混合池化模块组成的局部邻域特征聚合模块：邻域特征编码模块在传统三维坐标编码的基础上加入极坐标编码和质心偏移来表征局部点云空间结构,提升对残缺点云的特征提取能力;邻域特征优化模块通过特征距离判断并丢弃冗余特征,来优化邻域空间内的特征表达,从而更有效地学习点云局部细粒度特征,增强点云局部上下文信息;混合池化模块结合注意力池化和最大池化,通过聚合邻域内的显著特征和重要特征来获取具有丰富信息的单点特征,减少信息丢失。构建了由2组局部邻域特征聚合模块和残差连接组成的邻域扩张模块,以捕获特征间的长距离依赖关系,扩大单个点的局部感受野,并聚合更多有效特征。实验结果表明,该算法在液压支架激光点云分割数据集上的平均交并比为93.26%,平均准确率为96.42%,可有效区分液压支架不同的几何结构,实现液压支架各部件的准确分割。     

邻域自适应SMOTE算法研究

针对SMOTE(synthetic minority over-sampling technique)等基于近邻值的传统过采样算法在处理类不平衡数据时近邻参数不能根据少数类样本的分布及时调整的问题,提出邻域自适应SMOTE算法AdaN_SMOTE.为使合成数据保留少数类的原始分布,跟踪精度下降点确定每个少数类数据的近邻值,并根据噪声、小析取项或复杂的形状及时调整近邻值的大小;合成数据保留了少数类的原始分布,算法分类性能更佳.在KE E L数据集上进行实验对比验证,结果表明AdaN_SMOTE分类性能优于其他基于近邻值的过采样方法,且在有噪声的数据集中更有效.     

基于散乱点云加权邻域采样点的简化算法

提出一种基于散乱点云的邻域采样点数目加权的聚类简化算法,此算法以曲面变化度和聚类中采样点的数目加权共同进行阈值控制,能够在简化过程中更偏向于将包含采样点数比较多且有一定曲率的聚类进行划分,得到更合理的简化效果。     

向量相似度可复原三维点云压缩算法

针对三维点云数据压缩中细节特征不易保留,模型平缓部位存在过度压缩以及压缩后的点云模型不易复原等问题,提出一种基于向量相似度的三维点云压缩算法和复原算法CVS。向量相似性度量采用提出的L3A进行度量。CVS把每个三维坐标点看作是连接其坐标和原点的三维向量,按照三维坐标点的读入顺序选取参考向量,生成覆盖整个点云区域的采样区域,进行分区压缩。在采样区域中使用最小二乘曲面拟合算法对包含其中的点云进行曲面拟合,设置曲率阈值剔除坐标点,并存储曲面方程参数用于复原。通过控制L3A向量相似度中的长度和角度的变化阈值,使得密集点云区域的压缩率高于非密集区域的压缩率,通过控制曲率阈值,使得低曲率区域的压缩率高于高曲率区域的压缩率,最大程度保留模型细节特征。CVS使用压缩阶段产生的复原信息生成点云来恢复模型的细节特征,使得模型特征更加明显。     

3D点云形状补全GAN

在真实的扫描环境中,由于视线遮挡或技术人员操作不当,实际采集到的点云模型会存在形状不完整的问题.点云模型的不完整性会对后续应用产生严重的影响,因此提出3D点云形状补全GAN用于完成点云模型的形状补全.该网络的点云重建部分由PointNet中用于数据对齐的T-Net结构与3D点云AutoEncoder网络相结合,来完成预...     

基于K-means聚类的三维点云分类

针对三维点云分类算法受到点云稀疏性和无序性影响的问题,提出一种改进算法。在点云预处理阶段,对密集的点云进行冗余数据去除,以减少后续计算量;对于稀疏的点云数据则进行三角形插值计算,以使分类更精确。加入K-means聚类分析算法,之后并行通过PointNet网络进行特征提取,该方法可体现点云空间中的点云分布特性。分别在ModelNet10/40上进行三维点云分类实验,并对比不同[K]值对分类结果的影响。实验结果表明,当[K=5]时分类准确率最高,其在ModelNet10/40上的准确率分别是94.2%和92.6%。提出的算法性能高于其他对比算法,同时训练时间大大减少。     

多尺度Transformer激光雷达点云3D物体检测

激光雷达点云3D物体检测,对于小物体如行人、自行车的检测精度较低,容易漏检误检,提出一种多尺度Transformer激光雷达点云3D物体检测方法MSPT-RCNN(multi-scale point transformer-RCNN),提高点云3D物体检测精度.该方法包含两个阶段,即第一阶段(RPN)和第二阶段(RCN...     

基于自适应空域滤波的图像去块效应算法

分块有损压缩图像忽略了块间相关性,重构时会产生块效应,该文提出一种空域自适应去块效应算法。对块边缘采用方向自适应有理滤波,以弱化块效应。根据块的内部活动性将图像块分成平坦块和纹理块2类,利用基于方差的空域检测方法检测出平坦块,并对平坦块进行邻块边缘自适应平滑。实验结果表明,该算法有效去除了块效应,一定程度上提高了信噪比,算法简单且鲁棒性较好。     

邻域自适应调整的Snake算法

提出了一种自适应的Snake算法，对于初始包络上的每一点，按照Greedy算法中的能量公式计算其邻城内各点的能量．如果邻域不包含目标的轮廓，则将邻域半径加大，再次计算邻城内各点的能量，直到邻城内包含轮廓点为止．该算法只需迭代一次即可得到目标轮廓．而且增大了初始包络的收敛半径，并能够有效处理较高曲率凸形边缘的情况．对比实验说明了这种方法的有效性。     

信息自适应过滤的效用指标优化方法

自适应过滤是文本检索会议(TREC)过滤任务的重要子任务,也最接近真实的环境。对评测指标的优化是自适应过滤任务中非常重要的研究方向。论文以TREC的评测指标为目标函数,对在阈值调整中的极大似然估计法和局部优化法进行了比较分析,提出了结合极大似然估计法的局部优化方法,克服了采用单一方法的缺点,实验结果表明这个方法对提高过滤性能是有效的。     

海德堡视网膜断层扫描仪的三维点云去噪方法研究

双边滤波法可以对海德堡视网膜断层扫描仪(HRT)扫描获得的三维点云数据进行有效的去噪处理。该算法在去噪的同时保留了图形的特征信息,缺点是多次迭代计算耗费了大量时间,所以该算法无法直接运用到实际的诊断中。邻域均值算法对位于某点一定邻域内所有点的Z坐标做均值处理,且根据距离中心点的远近取不同的权值,也能对图形进行去噪处理,只是单独使用虽耗费时间较少但效果远不及双边滤波算法。因此,本文提出采用邻域均值法作为双边滤波算法去噪的预处理。研究发现,该方法在保留图形特征的同时,并且在相同去噪效果的前提下可以显著减少计算时间,提高运行效率。