-
题名多尺度特征融合下三维视觉图像场景分割算法
- 1
-
-
作者
闫景富
王鹏飞
-
机构
中国石油大学(北京)克拉玛依校区
-
出处
《现代电子技术》
北大核心
2024年第21期46-50,共5页
-
基金
新疆维吾尔自治区自然科学基金资助项目(2022D01A165)。
-
文摘
为减少噪声对分割结果的影响,降低单一尺度特征对分割结果的敏感性,提升分割算法的鲁棒性与稳定性,并增强分割边界清晰度,提高分割精度,文中提出一种多尺度特征融合下三维视觉图像场景分割算法。双路径多信息域注意力模块通过结合频域通道与空间注意力机制,提取三维视觉图像的多尺度特征,降低单一尺度特征对分割结果的敏感性;在多尺度特征融合模块内添加空洞卷积层,增大多尺度特征的感受野,并融合增大感受野的多尺度特征,捕捉图像的细节信息和全局信息,减少噪声对分割结果的影响,提升分割算法的鲁棒性与稳定性;利用Softmax分类器处理融合特征,得到三维视觉图像场景分割结果;通过全连接条件随机场、后处理分割结果,优化分割边界清晰度,提高分割精度。实验结果证明:该算法可有效提取三维视觉图像的多尺度特征,有效完成三维视觉图像场景分割,且场景分割的边界非常清晰。为三维视觉图像的处理与分析提供了新的思路和方法。
-
关键词
多尺度
特征融合
三维视觉
图像场景分割
注意力机制
空洞卷积
Softmax分类器
条件随机场
-
Keywords
multi-scale
feature fusion
3D vision
image scene segmentation
attention mechanism
dilated convolution
Softmax classifier
CRF
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[电子电信—信息与通信工程]
-
-
题名基于CNN的零样本城市遥感影像场景分割算法
- 2
-
-
作者
陈静
王晓轩
吴宇静
王蓉蓉
-
机构
广州华立学院城建学院
-
出处
《吉林大学学报（信息科学版）》
CAS
2023年第4期739-745,共7页
-
基金
2020年度广东省普通高校特色人才创新基金资助项目(2020KTSCX194)
2020年广东省普通高校青年创新人才基金资助项目(2020KQNCX121)。
-
文摘
针对观测数据的零样本遥感影像场景分割时,因不存在相应的参照物,造成分割耗时长,精确率较低等问题,提出了基于卷积神经网络的零样本城市遥感影像场景分割算法。采用主成分分析方法与K-奇异值分解方法对遥感影像去噪处理,抑制斑块效应;将去噪后影像输入Retinex增强算法中,进一步提升零样本城市遥感影像增强效果;采用均值漂移算法分割遥感影像场景获取其像素点之间关系,通过卷积神经网络完成零样本城市遥感影像场景精准分割。实验结果表明,该算法精确率高,召回率高,F-score率高,消耗时间短。
-
关键词
主成分分析方法
Retinex增强算法
遥感影像场景
均值漂移分割计算
K-奇异值分解方法
卷积神经网络
-
Keywords
principal component analysis(PCA)method
Retinex enhancement algorithm
remote sensing image scene
mean shift segmentation calculation
K-singular value decomposition method(K-SVD)
convolutional neural network
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
