内蒙古科技大学机械学院, 内蒙古 包头 014010
针对模型中存在距离真实孔洞边界点较近的伪边界点情况，大多孔洞识别算法并不能提取完整边界点集合且易出现边界点误识别现象，提出一种融合一阶张量和二阶张量投票算法的孔洞边界特征点检测方法。首先通过建立新衰减函数实现在邻域范围内的一阶棒张量投票的边界点初步提取；再对二阶棒、板、球三种张量相加得到的半正定矩阵进行特征值与显著性的对应关系分析，进一步提取孔洞边界点；最后将两次提取到的边界点集取并集，同时进行噪点的去除，进而达到孔洞边界点检测的目的。试验结果表明，该方法可有效排除伪边界点对孔洞边界特征提取的影响，能够达到较为理想的检测效果，且对噪声较为鲁棒，具有较低的算法复杂度。
散乱点云 张量投票算法 伪边界点 孔洞识别 抗噪性 scattered point cloud tensor voting algorithm pseudo boundary point hole identification noise immunity
针对常规的点云滤波方法在去除接近模型噪声的过程中会对模型造成较大破坏的问题,提出一种结合双张量投票和多尺度法向量估计的点云滤波算法。首先采用主成分分析法在较大的尺度下估计各点的法向量,对各点进行双张量投票以提取特征点。然后对提取出的特征点在较小的尺度下估计法向量,并结合随机采样一致性方法对小范围噪声平面进行剔除。最后采用曲率对剩余的噪声进行滤波,获得最终的点云数据。实验结果表明,所提算法可以有效剔除噪声点,并较好地保留三维模型的尖锐特征,为后续点云配准和三维重建奠定基础。
图像处理 点云滤波 张量投票 随机采样一致性 多尺度法向量估计 曲率 激光与光电子学进展
2021, 58(20): 2010001
1 西安财经大学 信息学院, 陕西 西安 710010
2 西北大学 信息科学与技术学院, 陕西 西安 710127
三维激光扫描设备获取的初始点云模型中含有较多的噪声点, 不利于后期的点云处理, 需要将其进行剔除。为了有效地保持点云的尖锐几何特征, 本文提出一种由粗到精的层次化点云去噪算法。首先构造点及其邻域点的张量投票矩阵, 通过计算该矩阵的特征值和特征向量构造扩散张量, 并基于该扩散张量利用各向异性扩散方程进行循环滤波, 从而实现点云初始粗去噪; 然后计算滤波后点云的曲率特征, 并根据曲率值进一步删除点云中的噪声点, 从而实现点云精确去噪; 最后通过计算点云熵值对去噪算法进行定量评价。实验结果表明, 本文提出的点云去噪算法具有较大的熵值、较小的去噪误差和较高的执行效率。因此说, 该层次化点云去噪算法在保持尖锐几何特征的同时, 可以快速精确剔除噪声点, 是一种有效的点云去噪算法。
点云去噪 张量投票 各向异性滤波 曲率 熵值 point cloud denoising tensor voting anisotropic filtering curvature entropy
1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 自然资源部国土卫星遥感应用中心, 北京 100048
深度学习通过训练样本进行特征识别,已经被广泛应用于道路提取领域。该方法不局限于特定类型的影像,但是受训练样本数量和计算机硬件的限制,所提取的道路会有断裂和噪声。针对上述问题,使用VGG卷积神经网络对道路进行初步提取后引入张量投票方法进行优化处理。首先通过影像变换、随机裁剪、过采样等方法对样本进行多模式扩充,进而训练VGG卷积神经网络模型;其次利用该网络从原始影像中初步分割道路面,接着对道路面的二值影像进行张量投票获取道路的显著性信息;最后在特征提取时针对显著性信息加入阈值获取道路面。实验结果表明,所提方法提取道路的召回率与正确率均达90%以上,与其他传统方法相比具有更高的精度,验证了所提方法的有效性。
图像处理 道路提取 卷积神经网络 张量投票 高分辨率影像 激光与光电子学进展
2020, 57(20): 201019
针对裂纹与背景之间的低对比度及裂纹区域内灰度值不均匀所导致的裂纹提取困难问题,提出一种基于双边滤波和局部灰度差相结合的双重阈值裂纹片段提取法,并结合张量投票算法进行裂纹检测。该算法采用双重阈值法获取裂纹片段,并根据裂纹片段的接近度和连续性特征,通过张量投票算法得到裂纹的显著性图谱以及完整的裂纹曲线,利用裂纹曲线对裂纹片段进行连接并去除离散点,完成准确裂纹提取。实验结果表明,相比于根据裂纹片段首尾位置进行连接的方法,该算法处理类陶瓷元件表面裂纹图像时F-measure提高了约27%。
图像处理 裂纹检测 张量投票 双重阈值 双边滤波 激光与光电子学进展
2018, 55(5): 051010
空军工程大学信息与导航学院, 陕西 西安 710077
机载LiDAR点云系统由于获取三维立体信息方便、快捷,已被广泛应用到城区目标的提取与识别中,但LiDAR点云数据缺乏光谱特征,对建筑物提取识别时常在植被茂密的树冠处出现错检现象。针对这一问题,提出了融合航空影像光谱特征与LiDAR点云几何特征的建筑物提取算法。通过LiDAR点云数据与航空影像数据的配准,实现了点云数据光谱信息的提取;通过改进传统的张量投票机制,融合光谱特征与空间几何特征形成了新的融合分类特征;运用随机森林算法实现了建筑物点的提取。仿真实验基于ISPRS提供的测试数据集进行,通过对比融合光谱特征前后的实验结果可知,所提算法的精度明显提高,提取质量达到94.26%,证明了融合光谱特征对于建筑物提取精度提升的重要作用。
遥感 LiDAR 建筑物提取 张量投票 航空影像 随机森林 激光与光电子学进展
2018, 55(4): 042803
重庆大学光电技术及系统教育部重点实验室, 重庆 400030
运用张量投票算法对红外人体破碎目标进行复原不能满足红外行人检测的实时性要求。针对该算法计算量大, 运行时间长提出了改进的张量投票算法。首先, 将强度阈值转化为距离阈值来滤除超出投票场的大部分点。然后, 根据圆形投票场两点相互投票作用的对称性, 减少强度的再次计算。最后, 通过强度阈值进行精细滤除。实验仿真结果表明, 改进的张量投票算法在保证复原效果不变的同时, 减少了计算量, 缩短了运行时间。
破碎目标复原 张量投票算法 距离阈值 对称性 broken target restoration tensor voting algorithm distance threshold symmetry
1 海军航空工程学院 青岛分院,山东 青岛 266041
2 总后后勤科学研究所信息系统室,北京 100071
张量投票方法是一种鲁棒性很强的特征提取方法,而投票域的计算则是应用该方法进行图像处理的关键步骤之一。通过实验分析了该方法的投票域计算时的唯一关键参数-尺度参数对投票结果的影响,并通过实例说明在具体应用领域中可以根据图像特点简化投票域的计算。
图像处理 特征提取 张量投票 投票域 尺度分析 image processing feature extraction tensor voting voting field scale analysis
