-
公开(公告)号：CN119206223A
公开(公告)日：2024-12-27
申请号：CN202411289559.0
申请日：2024-09-14
Applicant: 中南林业科技大学
Abstract: 本发明公开了一种基于RubberTreeNet的橡胶树分割方法，通过点云自适应变换注意力(PTCA)机制，增强了局部细节捕捉和全局背景信息融合能力进而实现单株橡胶树的高精度分割，步骤一、采集橡胶树点云数据以ply格式保存，并利用CloudCompare软件进行渲染和初步处理，包括去除噪声和非目标物体。随后，通过手动选择和标记，将点云数据中的独立橡胶树与背景分离，并导出为txt格式以供后续处理；步骤二、通过点云自适应变换注意力(PTCA)机制对点云数据进行特征提取和融合，以增强局部细节捕捉和全局背景信息融合能力；步骤三、使用最远点采样(FPS)选取代表点，并通过K最近邻(KNN)搜索获取邻域点，最终通过特征聚合、池化操作和解码映射层恢复原始分辨率，并应用分类器对每个点进行预测，输出单株橡胶树的分割结果。本发明方法具有识别准确率高的特点，识别精度达92.45％。
-
公开(公告)号：CN108959478B
公开(公告)日：2021-06-22
申请号：CN201810642032.X
申请日：2018-06-21
Applicant: 中南林业科技大学
IPC: G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明公开了一种云环境下的密文图像检索方法及系统，首先，从自适应阈值和特征点预筛选两方面优化Harris算法，并提取图像特征。其次，采用SURF算法和词袋模型生成每一幅图像的Harris角点特征向量。然后，采用局部敏感哈希(Locality Sensitive Hashing,LSH)算法对特征向量构建可搜索索引，并用传统加密方案对图像以及索引进行加密，最后，在云服务器上进行安全的相似性检索。实验结果证明，通过对Harris角点优选及SURF与词袋模型的特征描述，并对局部敏感哈希算法的参数进行了优化，本发明提出的检索方案与现有加密检索方案对比，不仅缩短了特征提取时间，而且有效提高了加密图像检索效率。
-
公开(公告)号：CN108959478A
公开(公告)日：2018-12-07
申请号：CN201810642032.X
申请日：2018-06-21
Applicant: 中南林业科技大学
CPC classification number: G06K9/4676 , G06K9/6215 , G06K9/6218
Abstract: 本发明公开了一种云环境下的密文图像检索方法及系统，首先，从自适应阈值和特征点预筛选两方面优化Harris算法，并提取图像特征。其次，采用SURF算法和词袋模型生成每一幅图像的Harris角点特征向量。然后，采用局部敏感哈希(Locality Sensitive Hashing,LSH)算法对特征向量构建可搜索索引，并用传统加密方案对图像以及索引进行加密，最后，在云服务器上进行安全的相似性检索。实验结果证明，通过对Harris角点优选及SURF与词袋模型的特征描述，并对局部敏感哈希算法的参数进行了优化，本发明提出的检索方案与现有加密检索方案对比，不仅缩短了特征提取时间，而且有效提高了加密图像检索效率。
-
公开(公告)号：CN108335319A
公开(公告)日：2018-07-27
申请号：CN201810116898.7
申请日：2018-02-06
Applicant: 中南林业科技大学
IPC: G06T7/32
Abstract: 本发明公开了一种基于自适应阈值及RANSAC的图像角点匹配方法，首先，采用自适应方式抑制非极大值的方法对角点进行预筛选。其次，采用Forstner算子对角点进行二次筛选。接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配。最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短角点检测和图像匹配时间，而且能有效提高图像的匹配精度。该基于自适应阈值及RANSAC的图像角点匹配方法处理效率高，匹配准确率高。
-
-
-
Search Results
4
records
(took 0.032 seconds)
