公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于改进K-means的羊体点云分割方法被引量：3: 2020年; 【目的】针对具有复杂背景的羊体点云图像利用传统点云分割方法导致分割效果不准确的问题,探究采用一种改进的K-means点云分割方法对其进行分割的准确性。【方法】首先,试验根据羊体图像的点云数据特征,对三维空间中的点云坐标及点云间的空间距离进行重新定义。其次,为新定义的三维点云间距离引入曲率调整参数,通过对羊体曲率信息的调整,进而约束三维空间中点云间的距离。最后,为避免传统K-means分割算法随机选择初始聚类中心导致的分割结果不稳定且分割效果不准确的缺陷,选择主曲率最大的前K个点作为初始聚类中心。【结果】试验通过调节曲率约束调整参数的值,实现了羊体点云数据曲率变化显著区域的精准分割。利用曲率排序选取初始聚类中心,保证了分割结果的唯一性,提高分割结果的准确性。【结论】改进的Kmeans点云分割方法能有效地对羊体点云数据进行分割,且分割结果具有稳定性,为后续无接触羊体测点识别提供试验依据。; 刘娜薛河儒马学磊; 关键词：点云分割 K-MEANS 曲率初始聚类中心

基于噪声点检测的中值滤波方法被引量：17: 2008年; 提出了一种基于DS证据理论的滤波方法,用于去除两种类型的脉冲噪声,这种新的滤波方法由检测和滤波两部分组成。首先获得证据,并用窗中的信息定义集合函数;然后用决定规则来判定噪声是否存在。最后在滤波过程中,对检测到的噪声点用本文中的滤波方法进行处理,而好的象素点保持不变,这就避免了对非噪声象素点的破坏。从实验结果中可以看到,本文的方法对固定值和随机值的脉冲噪声都能有效抑制,并且可以保留图像细节。; 马学磊商泽利; 关键词：脉冲噪声证据理论中值滤波图像降噪

一种有效去除脉冲噪声的新方法被引量：1: 2007年; 提出了一种新的滤波方法。首先从原噪声图像和其中值滤波图像得到细节图像。通过使用一种新的噪声检测方法得到另一幅图像,使其只保留细节图像中的噪声。通过这个图像,可以更加准确地检测出污染图像中的噪声。对噪声图像中的每个像素,相应滤波器输出为原像素灰度值和窗中像素中值的线性组合。当前像素是一个脉冲的可能性越大,滤波过程中对它改变的就越多。与其它的中值类滤波方法相比,该方法不仅可以有效地去除噪声,而且更好地保留了图像细节。; 马学磊商泽利; 关键词：脉冲噪声中值滤波

快速自适应脉冲噪声滤波算法: 本文提出了一种新的滤波方法,包括噪声检测及滤波两个步骤。噪声点的灰度值与它邻近像素的灰度值相差较大,而未受污染像素的灰度值和它邻近像素的灰度值非常接近。所以通过数窗中与待处理像素的灰度值相近的像素个数,能区分细节和噪声点...; 马学磊李美安刘江平; 关键词：脉冲噪声中值滤波; 文献传递

基于改进区域生长法的羊体点云分割及体尺参数测量被引量：11: 2020年; 针对传统羊体尺测量中测量耗时、应激大的问题,采用主成分分析、随机采样一致性算法和改进的区域生长法,基于三维点云对羊体尺参数测量进行研究。结果表明:1)使用主成分分析和随机采样一致性算法能计算羊体点云的法向量和曲率;2)改进的区域生长法能准确地分割出羊体区域,并且避免了外点的干扰;3)在羊体点云数据上选取体尺测点,计算羊体长、体高、臀高、胸深体尺参数,并与实测值比较,4种体尺参数的最大相对误差为2.36%,测量精度较高。试验证明改进的区域生长法能准确地对羊体点云进行分割,依据选取的体尺测点,能够实现羊体尺参数的无接触测量。; 马学磊薛河儒周艳青姜新华刘娜; 关键词：点云体尺测量

基于Web的智能答疑系统的设计和实现被引量：1: 2012年; 随着网络技术的普及以及社会发展的需要,自动答疑系统成为研究的热点之一。如何在Internet环境下设计具有自动答疑功能的网络自动答疑系统,成为当前智能教学研究的热点。目前国内外在这方面做的工作主要集中在如何提高系统的智能方面。文章通过应用模糊数学和双向最大匹配算法于网络答疑系统中,提出了一种高智能的答疑系统。; 刘江平薛河儒李艳马学磊; 关键词：答疑系统智能教学

基于层次聚类的三维点云特征点检测算法: 2024年; 针对传统方法对点云中的细节特征不能准确检测,无法反映物体的真实信息的问题,提出了一种基于层次聚类算法的点云特征点检测方法。使用最小生成树结合深度优先遍历算法,对点云中各点与其邻域点所形成三角形的法向量方向进行调整;使用法向量的高斯隐射检测出点云模型中的非特征点和候选特征点;对于候选特征点使用层次聚类算法判断其是否为特征点。试验结果表明,基于层次聚类的点云特征点检测算法可准确地检测出散乱点云数据中位于特征区域内的特征点,对细节不明显的特征点也可进行有效检测。研究方法对Sheep、Fandisk、Bunny和Dragon 4种点云模型检测的特征点数量分别为810、933、2 955、3 941个,多于其他特征点检测方法。; 马学磊薛河儒周艳青; 关键词：点云层次聚类

基于RANSAC算法的改进特征匹配方法研究被引量：4: 2021年; 为了提高图像特征点匹配的速度和准确性,提出基于RANSAC算法的极线约束特征匹配算法。首先,将特征点进行规范化处理,并拟选取8个特征点对,利用RANSAC方法计算出包含内点最多的基础矩阵,并优化基础矩阵;接着,求取极线方程,通过最小对极距离准则来寻找准确的匹配点,若匹配点和待匹配点到对应的极线距离小于阈值,且两距离之最小,该点保留,否则删除。最后,从匹配率、误匹配率两方面来分析提出的算法性能,并从计算准确性和适应性方面验证算法。实验结果表明,该方法的正确匹配率为98.18%,距离的平均相对误差为0.082 3%。; 周艳青薛河儒马学磊白洁姜新华杜雅娟; 关键词：RANSAC算法极线约束

基于特征匹配的羊体点云配准方法被引量：1: 2023年; 针对点云配准算法易受噪声、体外孤点以及采样率影响的问题,采用形状指数关键点检测方法、最近邻距离比法和迭代最近点算法,基于三维点云对羊体点云配准方法进行研究。结果表明:1)使用协方差矩阵特征描述子能对形状指数方法检测的关键点进行描述;2)基于特征匹配的配准方法能对不同视角的羊体点云进行配准,最大均方根误差为0.024 1;3)对于含有噪声、体外孤点或较低采样率的不同类型的羊体点云模型,配准的最大均方根误差为0.023 8。试验证明基于特征匹配的配准方法能准确地对羊体点云进行配准,并且不受噪声、体外孤点以及采样率的影响。; 马学磊薛河儒周艳青; 关键词：点云点云配准

全选清除导出

共1页<1>

马学磊