1 西安理工大学计算机科学与工程学院，陕西 西安 710048
2 陕西省网络计算与安全技术重点实验室，陕西 西安 710048
目前已有的基于深度学习的点云分割方法比较关注点云全局或局部特征的提取，忽略了点云的形状信息及点间语义特征的提取。针对已有方法的不足，提出一种基于空间注意力机制的多特征融合动态图卷积神经网络。首先，在提取点云局部边缘几何特征的基础上，将点云的低维几何特征映射到高维特征空间，以获取点云丰富的形状信息，并利用多层感知机提取点的全局高维特征。然后，引入一种空间注意力机制，提取点间的语义特征。最后，将几何形状特征与高层语义特征进行有效的融合，丰富点云的全局、局部特征表征。在多个公开数据集上对所提网络模型进行了实验，实验结果表明，所提网络模型在目标分类、部件分割、语义分割任务中，均取得了较好的性能。
遥感 动态图卷积 形状特征 空间注意力 多特征融合 激光与光电子学进展
2022, 59(8): 0828004
荆楚理工学院 计算机工程学院，湖北 荆门 448000
为提高图像在数据集中的检索准确度，设计了基于加权距离与多元极谐变换的图像检索算法。在查询图像的色调－饱和度－亮度(HSV)空间内，提取其颜色特征；并引入贝塞尔K分布与非下采样Shearlet变换(NSST)方法得到查询图像的纹理特征，改善其对模糊与亮度变换等操作的稳健性；借助四元极谐变换(QPHT)机制，将图像的QPHT模系数视为形状特征，提高对噪声与几何变换的鲁棒性。通过融合这3种特征，分别计算查询图像与数据库图像之间对应的特征距离，并赋予三者对应的权重，以测量两幅图像之间的相似度，从而准确输出检索结果。测试数据显示，与当前基于内容的图像检索技术相比，所提算法具备更高的检索准确度和鲁棒性，在多种几何变换攻击下，仍可以准确检索出目标。
图像检索 非下采样Shearlet变换 HSV空间 颜色特征 纹理特征 四元极谐变换 形状特征 加权距离 image retrieval Non-down Sampling Shearlet Transform HSV space color feature texture feature Quaternion Polar Harmonic Transform shape feature weighted distance 太赫兹科学与电子信息学报
2020, 18(6): 1080
1 武汉工程大学 电气信息学院
2 湖北省视频图像与高清投影工程技术研究中心，武汉 430205
3 深圳光启高等理工研究院，深圳 518000
针对工业生产中泄漏气体导致的爆炸和火灾问题，提出一种基于形状和SVM分类的红外图像泄漏气体检测方法。采用泄漏气体和干扰物红外图像样本的形状特征训练SVM分类器，通过对红外图像序列采用基于背景差分的运动检测得到候选目标区域，再对候选目标区域提取其形状特征，最后使用SVM分类器进行判别，从而得到最终的检测结果。使用乙烯气体泄漏仿真数据进行实验，检测率最高可达98%，结果表明，采用该方法可以有效检测泄漏气体，相比其他方法，极大地减少了干扰物造成的误检。
气体检测 形状特征 支持向量机 红外图像 leak gas detection shape feature support vector machine(SVM) infrared image
1 国防科学技术大学航天科学与工程学院, 湖南 长沙 410073
2 国防科学技术大学图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
基于机器学习的思想并充分利用外观信息，提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔，通过强度二值特征和金字塔梯度方向直方图二值特征，描述全局与局部区域的纹理和形状；并根据特征描述的二值性和多模性，设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图，跟踪器通过分析信任图实现目标跟踪，并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法，从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化，部分遮挡等情况具有一定的适应能力，且执行速度较快，存储空间较小。
机器视觉 机器学习 视觉跟踪器 纹理和形状特征 混合随机朴素贝叶斯
国防科技大学电子科学与工程学院ATR实验室,湖南,长沙,410073
研究了红外目标与诱饵在扩展源阶段成像特性上的差异,提出了依据目标和诱饵在整体运动模式上的差异进行辨识的方法,并依据图像序列中目标整体形状特征的变化来定性推断加速度、旋转、翻滚等目标整体运动特性,作为识别目标与诱饵的特征,最后给出了仿真试验结果.
红外诱饵 整体运动特征 整体形状特征 Infrared decoy Global movement feature Global shape feature
