基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰,点云密度不均匀,场景复杂多样以及物体之间存在遮挡现象等问题,使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题,提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数,利用核密度估计学习一个密度函数,对非均匀采样的点云数据进行卷积操作。同时,受深度学习在图像领域的启发,引入残差连接、空洞卷积等结构,训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

基于Mumford-Shah模型的局部水平集分割窄带算法

提出了一种基于Mumford-Shah推广模型的水平集能量函数,引入了梯度特征,并在此基础上提出了一种新的局部水平集分割方法,提高了算法收敛速度,避免了图像中的无关边缘对分割结果的干扰.设计了窄带算法,克服了水平集方法初始化复杂的缺点.与窄带算法相结合,所提出的分割方法可以在杂波背景中得到分割的局部最优解.通过采用Otsu算子确定感兴趣目标初始位置,所提出的方法可用于具有不同灰度特征的多目标分割.实验证明了所提出的方法用于复杂背景下的目标分割以及多目标分割时的有效性和计算效率.     

虚拟数控车削系统中碰撞检测问题的研究

碰撞检测问题是虚拟数控车削系统的不可或缺的部分,有效、精确的碰撞检测对提高数控环境的真实性、增强虚拟环境的沉浸感有着非常重要的意义．碰撞检测问题就是测试物体之间是否存在相交的问题．采用合理的空间分割系统和层次包围盒是减少所需测试的多边形数目、提高碰撞检测的速度的有效方法．实验证明,采用基于空间分割方法的八叉树算法有效地提高了检测的速度,保证了虚拟动态加工环境中碰撞检测的实时性．     

一种改进变换网络的域自适应语义分割网络

语义标签的人工标注成本高,耗时长,基于域自适应的非监督语义分割是非常必要的.针对间隙大的场景或像素易限制模型训练、降低语义分割精度的问题,通过分阶段训练和可解释蒙版消除大间隙图片和像素的干扰,提出了一种改进变换网络的域自适应语义分割网络(DA-SSN).首先,针对部分源图到目标图的域间隙大、网络模型训练困难的问题,利用训练损失阈值划分大间隙的源图数据集,提出一种分阶段的变换网络训练策略,在保证小间隙源图的语义对齐基础上,提高了大间隙源图的变换质量.然后,为了进一步缩小源图中部分像素与目标图域间间隙,提出一种可解释蒙版.通过预测每个像素在源图域和目标图域之间的间隙缩小置信度,忽略对应像素的训练损失,以消除大间隙像素对其他像素语义对齐的影响,使得模型训练只关注高置信度像素的域间隙.结果表明,所提算法相比于原始的域自适应语义分割网络的分割精度更高.与其他流行算法的结果相比,所提方法获得了更高质量的语义对齐,表明了所提方法精度高的优势.     

关于马氏过程散度的极限性质

在有限状态空间中取值的随机变量序列,假设它在概率测度P下是一非齐次马氏链,在概率测度Q下是一齐次马氏链,利用非齐次马氏信源的渐近均分割性,齐次马氏信源的渐近均分割性及随机变量序列的一致可积性,给出了马氏过程散度的极限存在条件,并得到了马氏过程散度的极限的值,在此基础上将马氏过程散度的极限存在条件推广到了高阶马氏过程的情形,同时也给出了高阶马氏过程散度的极限的值.     

机器视觉的背景颜色对水稻种子图像分割的影响

在机器视觉识别水稻种子的发展过程中,背景颜色对水稻种子的图像分割直接影响着识别分析的准确性.采用4种不同的背景颜色进行图像采集,即将黑色、蓝色、绿色和红色涂在种子上,分析其图像识别效果,研究背景颜色对水稻种子图像分割的影响.利用LabVIEW软件实现图像处理,对水稻种子的长度、宽度等简单参数进行测量,根据水稻种子的实际...     

基于胸部CT图像的肺部自动分割

肺区自动分割是肺部肿瘤计算机辅助诊断系统的关键之一。文章采用多阈值和区域生长方法,先去掉背景,再去掉气管／支气管,最后对提取出来的肺区使用滚球的方法进行修补。该方法速度快、人工干预少、准确。     

基于Gabor滤波器的电泳电子纸图像滤波系统设计

采集电泳电子纸(EPD)的边缘纹理、鬼影图像时,需避免外界光照条件的干扰,包括光源方向、明暗和色彩等.针对EPD显示画面采集过程中受到的光干扰问题,设计了一种基于Gabor滤波器的图像滤波系统.对于受光干扰的单一灰阶图像,先通过Gabor滤波器降低光照变化和噪声对图像的影响,再通过闭运算进行边缘补偿;对于受光干扰的彩色图像,先提取图像的R、G、B分量,分别对各分量进行Gabor滤波,最后将3组分量重新组合成彩色图像.结果表明:该系统在单一灰阶图像、彩色图像中对光干扰的消除率分别达到39.9%和39.7%.研究结果对降低采集EPD图像时的光干扰具有重要意义.     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.