基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于特征点的ICP点云配准算法

ICP配准算法对待配准点云初始位置要求较高,且配准过程耗时长,因此提出了一种基于特征点改进的ICP点云配准算法。利用点云的局部法向量提取特征点,根据特征点的特征直方图得到初始配准点云;通过K-D tree搜索点集中的对应点对,运用四元数法得到配准参数,根据刚性距离约束条件精确配准点云。实验表明,该算法避免了ICP配准算法因初始位置姿态而陷入局部最优,同时提高了配准效率和精度。     

一种结合全局和局部特征的图像描述生成模型

针对局部特征的图像描述模型存在的不足之处,提出了一种结合局部和全局特征的带有注意力机制的图像描述生成模型.在编码器-解码器结构框架下,在编码器端利用InceptionV3和VGG16网络模型分别提取图像的局部特征和全局特征,将两种不同尺度的图像特征融合形成编码结果.在解码器端,利用长短期记忆网络将提取的图像特征翻译为自然语言,借助微软COCO数据集进行模型训练和测试.实验结果表明:与基于局部特征的图像描述生成模型相比,该方法能够从图像中提取更加丰富完整的信息,生成表达图像内容更加准确的句子.     

三维点云表示的人体动作序列预测

要：目前对三维人体动作序列的预测工作相对较少，且主要使用三角形网格表示人体模型，不如三维点云那样简单又容易获取。为此，该文用三维点云表示人体模型，提出一种基于MeteorNet的点云动作序列预测方法。将动作序列中不同时刻的三维点云融合在一起，寻找点的时空邻域进行分组；叠加三层Meteor模块在时空邻域聚合信息，以获取点云序列的时空特征；通过三层全连接网络预测动作的点云坐标。实验结果表明，该方法预测出的人体动作与真实动作的误差较小。     

协作通信下联合IRA码和网络编码的译码算法

针对协作中继网络中目的端接收来自不同源节点发送的多个信息副本的合并方式,提出了联合非规则重复累积码与网络编码的改进译码算法. 首先对各链路的调制信息进行软解调处理,并根据中继处网络编码的异或信息和直达链路中原信息的函数对应关系,提取出协作节点发送到目的端的信息副本;然后更新非规则重复累积码在译码过程中直达链路与协作链路下的两个信息副本的软解调信息,构造出新的译码判决方法,进而推导了16QAM 软解调对数似然比值的简化方法;最后分析了系统的中断概率及频谱效率. 仿真结果表明,该译码算法在QPSK、16QAM两种调制方式下均能获得较低的误比特率,且采用对数似然比值的简化方法,能在0.3 dB 性能损失代价下降低系统的译码难度.     

基于通道特征聚合的行人重识别算法

在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明：在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其m AP比原骨干网络分别提高了17.13%、2.11%、2.56%。     

高斯基函数参数自适应信号分解和相应的时频分布

提出了一种在线性调频高斯基函数上进行信号自适应分解的方法,并给出了相应的自适应时频分布.该分布是一种正的时频能量分布,具有较高的时频分辨率且无交叉项干扰.基函数集是由单一原型高斯函数通过自适应调节其方差、扫频率、时移和频移来匹配信号的局部时频特征而获得.这些参数和匹配系数中包含了信号的全部信息,可以方便地用于进一步的信号处理.仿真结果表明该方法是有效的.     

顾及强度信息和地形信息的南方丘陵区机载LiDAR数据滤波研究

针对南方丘陵区地形起伏较大的特点,结合点云的强度信息,研究适合于该区域的机载Li-DAR点云滤波算法.首先,对强度信息进行改进的K-MEANS聚类,并根据距离评价函数最小准则寻找最优聚类数.其次,结合渐进三角网滤波算法能较好顾及地形起伏的优点,对不同类型的点云设置不同的构网优先级,得到不同的判据阈值,以此进行渐进三角网...     

基于移动最小二乘与控制曲线的3D点云变形

将移动最小二乘法用于3D点云模型变形,提出一种基于控制曲线的3D点云模型变形方法.该方法根据点云数据的形状信息或变形需要设置关键点,利用三维空间三次样条插值拟合生成控制曲线,通过改变曲线两端的偏导数来改变空间曲线的形状,从而更好地拟合物体的轮廓.基于移动最小二乘法实现3D点云模型的刚性变形,通过轮廓拟合准确定位变形后的物体轮廓,利用控制曲线可实现多个区域的准确变形.实验表明,该方法可使3D点云模型产生比较平滑而真实的变形效果.     

一个基于NCP函数的非线性Lagrange函数

基于修正的Fischer-Burmeister NCP函数,提出了一个求解具有不等式约束的非线性优化问题的非线性Lagrange函数,讨论了该函数在K-T点处的性质.收敛定理表明,在适当的条件下,当惩罚参数小于某一阈值时,基于该非线性Lagrange函数的算法产生的点列具有局部收敛性.     

基于多元线性回归的自适应图像可逆信息隐藏误差预测算法

为了提升可逆信息隐藏算法的信息嵌入容量,提出了一种目标像素自适应误差预测方法,基于自然图像局部区域内像素分布的一致性特征,自适应地学习目标像素周围像素点间的内在联系,并构建多元线性回归函数矩阵.该算法在实现目标像素点的准确预测时不是仅仅利用目标像素周围像素的简单算数组合预测目标像素的值,而是利用满足周围像素点一致性关系的线性关系函数.实验结果表明,相比其他先进的误差预测算法,基于多元线性回归的自适应图像可逆信息隐藏误差预测算法可以有效增强图像可逆信息嵌入能力.     

一种用于手势识别的局部均值模式纹理描述子

提出了一种改进的局部二值模式即局部均值模式用于对静态手势进行分类. 计算不同分辨率的原始手势图像、非线性光照变化图像、高斯模糊图像和椒盐噪音图像的局部均值模式、局部二值模式和局部角相模式. 利用gentle_Adaboost 分类算法对这些算子特征进行训练和测试,实现手势分类. 文中提出的局部均值模式能充分利用区域内像素灰度值之间相关性和区别性信息进行编码,恰当地描述不同手势的特征,具有简单快速及良好的区分度等特点. 实验结果表明：与局部二值模式和局部角相模式相比,局部均值模式算子取得了更高的分类准确度.对于原始图像,该描述子的分类准确度达到95%,同时该模式对非线性光照变化和高斯模糊具有较强鲁棒性.     

结合CNN和GCN的在线学习平台辍学预测方法

针对在线学习平台的高辍学率问题,提出了基于图卷积模型的在线学习辍学预测方法,通过分析学习者在不同时间尺度上的行为特征,及时发现学习者的辍学倾向,采取预防或补足措施.首先,将学习平台采集到的行为数据作为时间序列数据,使用ResNet-50作为局部特征提取的卷积神经网络(CNN),构建包含时间信息的特征向量.其后,将多维特征向量作为图卷积网络(GCN)的节点特征,通过两个GCN网络层建立相关特征的内在联系,并通过数据扁平化尽量保留更多的信息.大规模在线开放课程(MOCC)公开数据集上的实验结果表明,所提方法的预测准确度高于其他先进方法.     

RBF在点云数据三维建模中的应用

介绍了径向基函数RBF(Radial Basis Function,RBF)的理论及在激光点云数据三维建模中的应用,以Matlab为平台,实现了激光点云数据三维模型的快速构建.通过实验可知,基于RBF的点云数据三维建模方法具有一定的有效性和实用性.     

迷彩设计中背景图像聚类方法的比较分析

迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输 出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.     

一种改进的基于PCA的ICP点云配准算法研究

三维点云配准是三维重建过程中的重要环节,ICP配准算法无法处理初始位姿相差较大的点云,结果可能陷入局部最优的问题。本文提出了一种改进的基于PCA的快速ICP匹配算法,通过对两组点云进行主成分求解,形成各自的PCA坐标系。对两组点云分别进行坐标系转换,通过主轴校正矩阵解决了PCA主轴反向问题;利用K-D tree快速搜索最近点改进传统ICP方法,完成点云的快速精确配准。实验表明,该配准算法可以有效处理点云初始位置较差的情况,实现任意位姿关系下的两组点云的快速精确配准。     

基于CNN-RNN深度学习的图片描述方法与优化

为了提高模型的泛化能力,将机器翻译的编-解码模型引入图片描述中.首先,提出了CNN-RNN模型:CNN负责编码,RNN负责解码,RNN模型采用LSTM网络.接着,考虑到该模型一定程度上忽略了图片的局部区域特征和图片语义信息,因此又提出改进的CNN-MIL-DRN模型.该模型考虑了属性概率向量,并将多个时刻状态堆叠在一个时刻的计算中,加深了非线性变换的复杂深度.最后,采用MS COCO C5进行模型测试,以AP及5个不用的阈值测试不同指标,同时选取一些目前较新的模型作对比,从而得到CNN-MIL-DRN模型的最优效果.     

基于深度监督的跨模态图文检索方法研究

基于深度监督的学习结构应用于跨模态图文检索领域,弥补了不同数据模式之间的异质性差异,通过端到端的方式同时保持语义鉴别和模态不变性,有效地学习异构数据的共同表示.本文构建了图像和文本双模态CNN神经网络模型,对损失函数进行改进,优化神经网络模型训练学习过程,以监督网络学习跨模态转换函数.在Pascal sentence数...     

基于小波综合阈值函数的图像去噪

在小波硬阈值函数和软阈值函数的基础上,提出一种综合阈值函数.这个函数综合了硬阈值函数和软阈值函数的特征,具有良好的数学特征.选择合适的参数,可以适应不同的图像.采用局部阈值规则选择阈值,通过仿真实验,验证了综合阈值函数对去除高斯噪声的有效性.     

基于灰云的改进白化模型及其在灰色决策中应用

针对传统的灰色决策中白化函数在处理复杂决策问题时的缺点,研究了基于灰云的改进的白化模型及其决策应用。首先概述了传统的白化模型及其缺点,提出了一种集成灰性和随机性的灰云模型,给出了灰云数字特征和正态灰云模型生成方法;然后给出了替代传统的白化函数的基于灰云的灰数白化模型;最后给出了基于正态灰云的灰数白化模型在灰色聚类决策中的应用,并通过实例验证了该方法的有效性。