陕西师范大学计算机科学学院,陕西 西安 710119
在高光谱图像分类任务中,图卷积网络能够建模像素或区域间的结构关系和相似性关系。针对利用像素原始光谱特征计算节点相似度构造邻接矩阵不准确的问题,提出基于空间-光谱聚合特征的图卷积网络(S2AF-GCN),用于特征提取和像素级分类。以像素的空间位置为中心,聚合像素空间邻域内的其他像素特征,利用聚合后的像素特征动态更新与邻域内其他像素的权重,通过多次聚合,实现区域内像素特征平滑,得到像素的有效特征表示。然后利用聚合特征计算相似度并构图,获得更为准确的邻接矩阵,同时利用聚合特征训练网络,获得更好的分类结果。S2AF-GCN在三个常用高光谱数据集Indian Pines、Pavia University、Kennedy Space Center上利用1%的标记样本取得了85.51%、96.95%、94.92%的总体分类精度。
图卷积网络 聚合特征 高光谱遥感图像分类 空谱信息 激光与光电子学进展
2023, 60(2): 0228010
1 河北科技大学信息科学与工程学院,河北 石家庄 050018
2 首都师范大学资源环境与旅游学院,北京 100048
随着科技智能化建设需求的提高,语义分割技术受到图形、图像领域内学者的广泛关注,其为目标跟踪、视觉控制等技术提供有效的决策支持。然而三维点云语义分割模型的运行效率和分割准确率是限制其发展的瓶颈所在。基于此,提出一种基于空间图卷积的三维点云语义分割网络(PCGCN)。PCGCN采用边缘图卷积网络提取局部特征,并使用残差网增强特征的传递,对不同尺度的局部特征进行融合并参与三维点云语义分割。PCGCN解决了在深度学习过程中因局部特征丢失产生的语义分割效果不佳的问题,同时,点云深度学习网络中,残差网的引入提高语义分割的准确度。在ShapeNet和S3DIS数据集上进行实验,实验结果表明,PCGCN在ShapeNet数据集的准确率达到85.1%,在S3DIS数据集的准确率达到81.3%。
遥感 三维图像处理 点云 语义分割 图卷积网络 激光与光电子学进展
2023, 60(2): 0228007
西南交通大学机械工程学院,四川 成都 610031
一张排水管道图像中可能同时存在变形、渗漏等多种缺陷。针对现有卷积神经网络(CNN)忽略标签关系,难以准确检测多标签管道图像的问题,引入图卷积网络(GCN)建模不同缺陷标签的关系,提出了一种基于改进标签图的GCN管道缺陷检测模型(ILG-GCN)。首先,ILG-GCN模型在原有CNN模型的基础上引入GCN模块,GCN利用标签图迫使具有共生关系的标签分类器相互接近,获得保持语义拓扑结构的分类器,从而提高预测共生标签的概率。其次,改进GCN模块更新节点信息时使用的标签图,改进后的标签图根据每种缺陷主要相关标签的共生强度计算自适应的标签共生概率,并根据主要相关标签的共生强度为其分配不同的权值。实验结果表明,所提模型的总体平均准确率为95.6%,能够准确检出同时存在的多种管道缺陷。
图像处理 管道缺陷检测 多标签学习 标签关系 图卷积网络 激光与光电子学进展
2022, 59(18): 1810004
江西理工大学土木与测绘工程学院,江西 赣州 341000
三维点云语义分割在三维场景理解和重建、自动驾驶和机器人导航等领域发挥着重要作用。针对现有方法对点云的局部特征提取不足导致分割精度不高这一问题,基于PointNet++架构提出了一个动态图卷积网络DGPoint。首先,边缘卷积的特征聚合函数使用双通道池化操作来补偿信息丢失,可以更好地保留点云的细粒度局部特征;其次,在进行边缘卷积之前使用K近邻算法确定新的局部区域以达到动态图更新的效果;此外,为了保证边缘提取准确,将设计的编码器重复多次,并将提取的特征以跳跃连接的方式连接起来输入到解码器中。在S3DIS数据集上的实验结果表明,与其他方法相比,DGPoint有效解决了局部特征提取不足的缺点,并提高了语义分割的准确性:在S3DIS数据集的平均交并比为68.3%,总体准确度为86.2%。
图像处理 图卷积网络 点云 语义分割 边缘卷积 激光与光电子学进展
2022, 59(16): 1610014
光学 精密工程
2022, 30(10): 1189
光子学报
2021, 50(11): 1128002