检索结果-南通市图书馆

顾及空间上下文关系的JointBoost点云分类及特征降维

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

测绘学报 2013年第5期42卷 715-721页

作者：郭波黄先锋张帆王晏民武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 北京建筑大学现代城市测绘国家测绘地理信息局重点实验室北京100044

针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速... 详细信息

针对较复杂场景的点云自动分类方法中目标类别为地面、植被、建筑物、电力塔、电力线等的问题,在对数据进行粗差剔除的基础上,首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,通过结合地物空间上的相互关联关系,提出一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。激光扫描点云数据分类试验证明了该分类方法的有效性。

关键词： LiDAR 点云分类 Joi ntBoost 空间上下文特征降维

在线全文

学校读者我要写书评

暂无评论

结合空间上下文算法的道路场景法线区域分割

浙江大学学报（工学版） 2021年第11期55卷 2013-2021页

作者：陈雪云姚渠丁启辰贝学宇黄小巧金鑫广西大学电气工程学院广西南宁530000

针对道路场景检测忽略法线属性的问题,为了加强对空间上下文和边缘信息的利用,提出结合空间上下文算法的道路场景法线区域分割方法,将道路场景识别为路面和障碍物分别对应的水平区域和竖直区域.在交叉熵损失函数的基础上添加障碍物增强... 详细信息

针对道路场景检测忽略法线属性的问题,为了加强对空间上下文和边缘信息的利用,提出结合空间上下文算法的道路场景法线区域分割方法,将道路场景识别为路面和障碍物分别对应的水平区域和竖直区域.在交叉熵损失函数的基础上添加障碍物增强损失,改善训练过程不同分类的权重分配,提高小区域障碍物识别率.提出上下文改进算法优化位置关联图的矩阵计算方式,减少空间复杂度提高运算效率.嵌入边缘上下文模块削减噪声并强化主要边缘,加强边缘信息的利用.在自建数据集和Cityscapes数据集的实验结果表明,与主流的语义分割方法相比,本研究方法加强网络特征提取能力,能有效提高对道路法线区域的分割准确度,相较Deeplab,交并比提高了2.1%,能简单有效地实现避障任务.

关键词：法线区域分割空间上下文边缘信息道路场景障碍物增强损失

在线全文

学校读者我要写书评

暂无评论

基于空间上下文的目标图像检索

计算机辅助设计与图形学学报 2008年第11期20卷 1452-1458页

作者：高科林守勋张勇东唐胜中国科学院计算技术研究所智能信息处理重点实验室北京100190 中国科学院研究生院北京100049

提出了一种空间上下文描述与匹配方法,有效地提高了基于视觉关键词的图像检索中目标对象的可区分性.首先通过定义具有仿射协变性的空间邻域,得到自适应的多层空间上下文描述;然后提出模糊堆土机距离度量方法计算空间上下文相似性,以减... 详细信息

提出了一种空间上下文描述与匹配方法,有效地提高了基于视觉关键词的图像检索中目标对象的可区分性.首先通过定义具有仿射协变性的空间邻域,得到自适应的多层空间上下文描述;然后提出模糊堆土机距离度量方法计算空间上下文相似性,以减少区块特征聚类错误对空间关系匹配的影响.在预处理阶段,基于熵值和自相似度进行噪声区块过滤.与已有方法相比,该方法的平均检索精度相对提高了10.8%.

关键词：目标检索空间上下文模糊堆土机距离

在线全文

学校读者我要写书评

暂无评论

一种改进的空间上下文点云分类方法

测绘学报 2017年第3期46卷 362-370页

作者：何鄂龙王红平陈奇刘修国中国地质大学(武汉)信息工程学院湖北武汉430074

考虑到点云数据具有线性分布和密度不均匀的特点,以及现有复杂场景点云分类方法中缺少对非局部空间上下文信息的有效利用,提出了一种改进的空间上下文点云分类方法。该方法在提取点云数据顾及曲率的自适应邻域的基础上,首先估算点云局... 详细信息

考虑到点云数据具有线性分布和密度不均匀的特点,以及现有复杂场景点云分类方法中缺少对非局部空间上下文信息的有效利用,提出了一种改进的空间上下文点云分类方法。该方法在提取点云数据顾及曲率的自适应邻域的基础上,首先估算点云局部特征与依赖性空间上下文,并基于超级体素提取分布性空间上下文,最后采用高阶条件随机场模型,实现对点云数据的自动分类,避免了利用单一点云局部特征分类的局限性。试验结果表明,本文方法能够有效提高点云数据地物分类精度。

关键词：点云分类空间上下文自适应邻域条件随机场

在线全文

学校读者我要写书评

暂无评论

融合时间和空间上下文特征的群体行为识别

智能计算机与应用 2022年第9期12卷 45-49,55页

作者：李骏程雅儒谢昭孙永宣吴克伟武金金合肥工业大学计算机与信息学院合肥230601 合肥工业大学工业安全与应急技术安徽省重点实验室合肥230601

群体行为识别任务中,行为特征具有复杂的时空特性。为了实现有效的行为特征时间编码,本文提出一种融合时间和空间上下文特征的群体行为识别模型。为了分析个体行为特征的时间上下文依赖关系,设计了通道级时间上下文模块,该模块对个体特... 详细信息

群体行为识别任务中,行为特征具有复杂的时空特性。为了实现有效的行为特征时间编码,本文提出一种融合时间和空间上下文特征的群体行为识别模型。为了分析个体行为特征的时间上下文依赖关系,设计了通道级时间上下文模块,该模块对个体特征的多个通道进行时间平移;分别研究时间延迟移动、时间双向移动、时间循环双向移动的3种策略,并讨论各种策略下通道比例对时间上下文估计的作用。其次,构建了基于融合通道级时间上下文特征的空间图模型,用于对个体空间上下文的编码。该模型使用外观和位置估计初步的个体之间的空间上下文关系,并进一步设计多图策略,来估计多种可能的个体之间的关系。最后,对图模型编码的个体特征,使用个体池化获得群体特征,并使用多层感知器来识别群体行为。本文方法在Volleyball和Collective Activity数据集上优于现有群体行为识别方法,设计的时间上下文特征具有良好个体行为编码能力。

关键词：群体行为识别时间上下文时间位移策略空间上下文多图模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于空间上下文加权词汇树的图像检索方法

模式识别与人工智能 2013年第11期26卷 1050-1056页

作者：朱道广郭志刚赵永威信息工程大学信息系统工程学院郑州450002

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息... 详细信息

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息描述.然后利用SIFT点间的空间上下文相似度对SIFT间的匹配得分进行加权,得到图像间的相似度.最后,通过相似度排序完成图像检索.实验结果表明,该方法能够大幅度提高图像检索的性能,同时,对大规模图像库有较好的适用性.

关键词：图像检索词汇树空间上下文空间上下文相似度空间上下文加权

空间上下文车载激光点云分类及独立目标对象提取

在线全文

学校读者我要写书评

暂无评论

空间上下文车载激光点云分类及独立目标对象提取

作者：何鄂龙中国地质大学

学位级别：硕士

对点云数据进行分类并提取出点云场景中的独立目标对象是自动化三维城市场景分析一种重要手段,其在三维数字城市重建、城市规划与分析、交通标志检测、变化检测以及自动驾驶等领域具有重大意义。随着三维激光扫描设备性能的不断提升,特... 详细信息

对点云数据进行分类并提取出点云场景中的独立目标对象是自动化三维城市场景分析一种重要手段,其在三维数字城市重建、城市规划与分析、交通标志检测、变化检测以及自动驾驶等领域具有重大意义。随着三维激光扫描设备性能的不断提升,特别是车载三维激光扫描仪系统(Mobile Laser Scanning),可以快速获取复杂场景的高精度点云数据。其获取的海量高精度的点云被广泛应用于复杂城市场景自动分析任务中,迫切需要发展自动化的点云信息提取方法,其中点云分类是点云信息自动提取的关键步骤。然而,点云数据特殊的数据组织格式以及数据分布情况,给点云分类带来了巨大的挑战,主要困难体现在以下几点:(1)点云特征的提取依赖于单点对应的邻域(支撑区域),而三维激光扫描仪获取的点云数据是离散的点集,不具备规则的结构,且场景中的点云密度分布十分不均,使得邻域的尺寸受点云分布的影响,现有的自适应邻域估算方法虽然已经能够在较大程度上恢复点云数据的合理邻域,但仍存在自适应邻域不稳健的问题,特别是在高密度区域,邻域呈线性分布,造成分类结果中存在一定的椒盐噪声现象;(2)点云数据虽然是通过对现实场景数字复现得到的,存在大量的几何特征信息,但现实场景中地物类型复杂多样,且获取的点云数据多存在遮挡造成的缺失问题,往往容易造成分类结果不完整,出现成片的错误分类的情况,需要综合利用点云场景中更高层次的统计特征,作为约束条件融合到分类优化过程中,从而得到精度更高、更为完整的分类结果。针对以上的几个关键问题,本文从点云自适应邻域估算以及点云数据多尺度空间上下文点云分类两个方面进行设计和研究:首先着重考虑如何对点云数据的分布情况进行自适应,得到合理的邻域;然后考虑利用点云场景中的地物分布规律对点云分类结果进行优化。本文基于以上两点建立一套相对完善可行的点云分类方案,对点云数据进行分类。并基于点云分类结果进一步提取场景独立的目标对象。本文的工作的主要内容包括以下三个方面:(1)基于顾及曲率的自适应邻域的点云单点分类。经典的自适应邻域估算方法,选择固定的遍历区间,对全局范围内的点在遍历区间内进行遍历搜索,如果不考虑点云密度等分布情况,高密度区域的邻域很可能呈线状分布,而稀疏区域的邻域可能尺寸较大,进而导致特征提取不稳健,对分类结果造成明显影响。通过考虑点云数据的分布情况,可有效解决这一问题。本文假设点云数据可以粗略分为曲率较大的非规则区域与曲率较小的规则区域,提出一种顾及曲率的自适应邻域估算方法。该方法通过曲率阈值,对点云数据进行分割,当点的曲率大于阈值时,归类为非规则区域点,曲率小于阈值的归类为规则区域,本文采用一种分治策略,对分割后的点云数据在不同区域采取不同的邻域估算方法,并根据点云密度分布情况设置对应的参数区间,得到最终的自适应邻域。本文采用随机森林分类方法对点云数据进行分类实验来验证本文提出的自适应邻域估算方法的有效性。本文通过公开标准数据集的比较实验,证实了自适应邻域估算方法具有较强的可用性,其各项评价指标的平均值均比两种经典方法高出3%以上。(2)多尺度空间上下文点云分类方法研究。基于点云数据几何特征的分类方法容易受到点云数据缺失、分布不均等因素的影响,而点云场景中除了丰富的空间几何特征外,还存在大量更自然的分布规律性高层信息,借助该类信息对分类结果进行优化约束,可以得到更为平滑完整的分类结果。本文首先对经典的依赖性空间上下文进行了优化,改进边结构。不同于经典方法在全局范围内使用k近邻结构作为边结构,该方法在规则区域构造一种改进的边结构,使的近邻结构在规则区域至少跨越两条扫描线,来捕捉场景中的长距离依赖关系,将规则区域正确分类的信息扩散到非规则区域;此外,提出一种基于超级体素分割块实体的分布性空间上下文统计方法,通过类别属性统计及堆叠的方法,来模拟场景中各类地物在水平方向与垂直方向上的分布规律,将邻近区域范围内正确分类的信息扩散,来更正错误分类的成片的点云信息;本文的多尺度空间上下文分类方法基于高阶条件随机场模型,融合基于改进边结构的局部依赖以及分布性空间上下文信息,对单点分类的结果进行优化后得到最终的分类结果。通过两组公开标准数据集进行实验和比较,结果显示本文方法能够得到更为完整、精度更高的分类结果,在两组数据的关键评价指标-f1-score平均值均达到85%以上的水平(85.49%、85.57%),相对于经典方法,有8%以上的提升,在各类比较方法中,排名第一。(3)城市场景点云数据独立目标对象提取方法。点云分类的结果只得到了场景中的地物类别信息,缺少对应的对象信息,距离实际应用还有一定距离。本文首先采用超级体素分割方法对点云数据进行了分割,并分析了尺度选择对分割结果的影响;其次采用链式聚类法,结合分类结果,对超级体素实体进行自动聚类,得到三维点云场景中的各类独立目标信息。

关键词： LiDAR 点云分类空间上下文高阶条件随机场分割超级体素

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于空间上下文关联的车载点云聚类方法

测绘地理信息 2019年第4期44卷 116-121页

作者：张颖刘亚文苗堃武汉大学遥感信息工程学院湖北武汉430079 国网济源供电公司河南济源459000

点云聚类是移动车载点云数据处理和信息提取的重要组成部分,同时也是实现地物自动识别的前提和关键环节。针对密度聚类中仅考虑点间空间距离聚类造成的过分割或分割不足的问题,提出了一种基于空间上下文关联的城市街景车载点云数据聚类... 详细信息

点云聚类是移动车载点云数据处理和信息提取的重要组成部分,同时也是实现地物自动识别的前提和关键环节。针对密度聚类中仅考虑点间空间距离聚类造成的过分割或分割不足的问题,提出了一种基于空间上下文关联的城市街景车载点云数据聚类方法,以超体素为对象,分析对象的特征及相互间的空间上下文关联,在综合多因素权值的基础上进行自适应聚类。通过两组数据的实验结果表明,该方法有效改善了车载点云数据聚类结果,提高了分类的效率和可靠性。

关键词：密度聚类 DBSCAN算法车载点云聚类空间上下文超体素

在线全文

学校读者我要写书评

暂无评论

融合空间上下文的自然场景语义建模

电路与系统学报 2010年第6期15卷 39-46,51页

作者：程环环王润生国防科技大学电子科学与工程学院ATR重点实验室湖南长沙410073

针对自然场景图像,本文提出一种融合空间上下文的场景语义建模和分类方法。针对场景中的局部语义对象,建立了基于贝叶斯网络的语义上下文模型。通过对已标注训练样本集的学习训练,获得局部语义对象在各类场景下的上下文模型。对于待分... 详细信息

针对自然场景图像,本文提出一种融合空间上下文的场景语义建模和分类方法。针对场景中的局部语义对象,建立了基于贝叶斯网络的语义上下文模型。通过对已标注训练样本集的学习训练,获得局部语义对象在各类场景下的上下文模型。对于待分类的图像,首先利用支持向量机实现分割区域的分类,根据学习得到的语义上下文模型,提取图像中各语义对象的空间上下文信息,形成图像的语义上下文描述,实现场景分类。针对不同场景下的局部语义对象,利用贝叶斯网络自动学习得到不同的空间关系集合用于上下文信息提取,使得场景描述和分类过程更智能和有效。通过在六类自然场景图像数据集上的实验表明,本文所提算法能够很好的利用上下文信息,并取得满意的分类结果。

关键词：贝叶斯网络场景分类语义建模空间上下文