我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于改进迭代粗分类的城区LiDAR点云滤波算法 下载：58 浏览：433

李成仁 《测绘科学与技术》 2020年11期

摘要:
针对传统图像分割算法单次点云分类精度不高和数据格网内插精度损失等问题,提出一种改进的点云迭代粗分类方法。利用分割阈值对格网内插前的原始点云进行分类,避免内插造成的精度损失；对分类过程进行多次迭代,提升点云分类精度；滤波前剔除极低噪声点,避免其被选取为种子点而影响滤波精度。通过三组点云数据的滤波实验表明:本文滤波算法较传统的渐进三角网滤波算法精度高,且对于城镇、市中心城区等城区点云数据,均具有较好的适应性和良好的滤波效果。

融入局部几何特征的流形谱聚类图像分割 下载：49 浏览：399

张荣国1 姚晓玲1 赵建1 胡静1 刘小君2 《人工智能研究》 2020年8期

摘要:
为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr?m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.

引入分数阶微分的局部高斯分布拟合能量模型 下载：64 浏览：380

储珺1 余佳佳2 缪君1 张桂梅1 《人工智能研究》 2019年11期

摘要:
局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.

利用广义信息熵谱选择的图像分割 下载：76 浏览：392

张大明 张学勇 李璐 刘华勇 《人工智能研究》 2019年7期

摘要:
谱聚类算法中图上拉普拉斯矩阵的特征向量(谱)决定聚类结果,如何选择谱至关重要.为了解决这一问题,基于广义信息熵,定义谱的区分性、谱的区分有效性和谱的区分度这3个指标.谱的区分性指标用于衡量谱所含聚类信息的显著程度;谱的区分有效性指标用于剔除聚类结果无效的谱;谱的区分度指标用于构建基于贡献力的选择性聚类集成方案.进而提出基于谱选择的谱聚类算法.各种自然图像分割实验表明文中算法简单有效.

数字图像匹配技术研究 下载：217 浏览：3241

洪霞 《光电子进展》 2023年9期

摘要:
随着计算机技术软硬件技术的发展，数字图像处理取得飞速发展，已广泛地应用于科学研究、工业生产，生活娱乐等诸多领域，成为一门有着远大应用前景的新兴学科。数字图像处理技术也正在向处理算法更优化、快速、智能的方向发展，实现图像的智能生成、处理、识别和理解是数字图像处理的最终目标。然而，但作为一门新兴的学科，数字图像处理仍存在不足和有待解决的问题。如学科理论基础不明确，图像质量的评价标准难于量化等。图像是人类社会中最常用的信息载体，图像处理是研究各种与图像相关技术的总称的一门学科。本文论述数字图像处理的研究内容、研究进展。

融合注意力的遥感建筑物图像分割方法 下载：62 浏览：874

谢子奕 《信号处理与图像分析》 2024年6期

摘要:
为了解决遥感建筑物图像分割中存在的挑战和现有方法的局限性，提出了一种基于注意力机制和多尺度特征融合的深度学习方法。首先，综述了传统和深度学习方法在遥感图像分割中的应用，并重点讨论了注意力机制及其在图像处理中的作用。在方法部分，详细描述了所提出的整体框架和网络结构，包括融合注意力机制、多尺度特征融合以及双路径编码方法的设计与实现。接着，通过广泛的实验验证和结果分析，证明了所提方法在多个数据集上的有效性和优越性，改进的网络模型显著提升了对建筑物图像的分割效果。

图像分割方法的理论综述 下载：433 浏览：3467

宋方方 田益民 高雪 郑美俊 杨帅 《光电子进展》 2022年8期

摘要:
图像分割是图像处理中十分重要的一部分，是计算机视觉至关重要的预处理。图像分割技术应用于现代生活的各个领域，如：医学影像、人脸识别、交通控制、遥感工程等，因此图像分割质量的好坏，对后续的相关工作的影响非常的大。目前，各种分割方法技术均比较成熟，根据不同的分割标准，研究了基于边缘、区域、阈值、深度学习、超像素五种图像分割的方法，并进行了性能的分析总结。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享