-
题名基于深度卷积神经网络的点云三维目标识别方法研究
被引量：3
- 1
-
-
作者
李豪杰
杨海清
-
机构
浙江工业大学信息工程学院
-
出处
《计算机测量与控制》
2022年第3期156-160,共5页
-
基金
浙江省自然科学基金(LY13F010008)
浙江省科技计划项目(2015F50009)。
-
文摘
为了提高对三维点云目标的识别精确度,提出一种基于深度卷积神经网络(CNN,convolutional neural network)的点云目标识别模型;针对已有的深度卷积点云目标识别网络无法有效提取点云局部拓扑特征的问题,采用迭代最远点采样(FPS,terative farthest point sampling)结合方向卷积编码方式来捕获局部形状特征;并引入空间变换网络(STN,spatial transform network)使点云数据能够自适应进行空间变换和对齐,以解决点云数据旋转性会造成目标识别结果不稳定的问题;实验结果表明:文中提出的点云目标识别方法有效提高了识别精度度,相较于PointNet在ModelNet40和ShapeNetCore两个数据集上分别提高1.2%和1.4%。
-
关键词
三维点云
目标识别
深度卷积神经网络
方向卷积编码
空间变换网络
-
Keywords
3-D point cloud
target recognition
deep convolution neural network
directional convolution coding
space transformation network
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名联合形态学滤波和卷积稀疏编码的图像去雨
被引量：1
- 2
-
-
作者
黄淑英
许亚婷
杨勇
管巨伟
-
机构
天津工业大学计算机科学与技术学院
江西财经大学软件与物联网工程学院
江西财经大学信息管理学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2022年第5期1522-1536,共15页
-
基金
国家自然科学基金项目(61862030,62072218)
江西省自然科学基金项目(20192ACB20002,20192ACBL21008)。
-
文摘
目的图像去雨技术是对雨天拍摄图像中雨纹信息进行检测和去除,恢复目标场景的细节信息,从而获得清晰的无雨图像。针对现有方法对雨纹信息检测不完全、去除不彻底的问题,提出一种联合自适应形态学滤波和多尺度卷积稀疏编码(multi-scale convolution sparse coding,MS-CSC)的单幅图像去雨方法。方法考虑雨纹信息的形状结构特点,构造一种自适应形态学滤波器来滤除有雨图像中的雨纹信息,获得包含图像自身纹理的低频成分;利用全变分模型正则化方法来增强低频成分的纹理信息,并利用有雨图像减去低频成分获得包含雨纹信息的高频成分;针对高频成分,根据雨纹的方向性提出一种基于方向梯度正则化的MS-CSC方法来重构高频成分,并通过迭代求解获得包含精确雨纹的高频成分,即雨层;利用有雨图像减去雨层得到最终的去雨图像。结果为验证本文方法的有效性,与一些主流的去雨方法进行实验比较。实验结果表明,本文方法在模拟数据集上的平均峰值信噪比(peak signal-to-noise ratio,PSNR)和平均结构相似度(structural similarity,SSIM)指标分别提高了0.95和0.0052,能得到较好的主观视觉效果和客观评价,特别是在真实数据集上具有明显优势。结论本文方法可有效去除雨纹,同时可保留更多的原始图像纹理信息,经证明是一种有效的去雨算法。
-
关键词
图像去雨
自适应形态学滤波
全变分模型
方向梯度正则化
多尺度卷积稀疏编码(MS-CSC)
-
Keywords
image deraining
adaptive morphological filter
total variation model
directional gradient regularization
multi-scale convolution sparse coding(MS-CSC)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
