牙颌点云数据的显著性特征提取

来源 :计算机系统应用 | 被引量 : 2次 | 上传用户:nallysun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着激光扫描测量技术的发展,其数据测量精度的逐渐增高使得获取的几何模型表面点云数据的细节信息越丰富,能更准确的反应物体几何表面特征,但如此海量的点云数据同时也带来对应的技术挑战,海量的点云数据在计算机文件存储、数据后期进一步处理以及软件可视化方面都不方便且效率低下.本文中的算法首先采用栅格法对点云进行空间划分及领域关系的建立,其次利用局部表面拟合的方法估算点云法向量,然后利用点云K领域法的向量求解坐标点的显著性值,最后根据显著性的值构建点云八叉树.该算法实现了对点云显著性特征的提取和对点云数据量的进
其他文献
与传统K-Means相比,加权闵可夫斯基K-Means(MWK-Means)需要自适应获取特征权重并选择合适的闵可夫斯基指数.无监督选取指数策略是计算每个指数的三种尺度值,根据三种尺度的选取标
Zig Bee协议默认的分布式地址分配算法(DAAM)存在孤立点问题,而没有提出好的解决方案.提出一种基于代理节点的Zig Bee地址分配算法ABAAM,可以有效的降低因为网络预设参数和节
在研究了Struts框架的基本原理和运用MVC设计模型来开发Web应用的过程后,并结合报表编辑系统的实际需求,决定在报表编辑系统中采用Struts框架解决MVC模型架构Web应用的问题.本文
为了有效提高噪声背景下的人脸表情识别性能,提出一种基于压缩感知的鲁棒性人脸表情识别方法.先通过对腐蚀的测试样本表情图像进行稀疏表示,再利用压缩感知理论寻求其最稀疏的解,然后采用求得的最稀疏解信息实现人脸表情的分类.在标准的Cohn-Kanade表情数据库的实验测试结果表明,该方法取得的人脸表情识别性能优于最近邻法、支持向量机以及最近邻子空间法.可见,该方法用于人脸表情识别,识别效果较好,鲁棒性较高
基于特征点的图像匹配被广泛应用于图像配准、目标识别与跟踪领域,目前,两阶段匹配(即先粗匹配,后精匹配)是最常用的方法,然而,两阶段匹配存在两方面的问题,一方面,粗匹配阶段对精匹配阶段的影响是不可逆的,即粗匹配的效果决定了精匹配的最优精度;另一方面,精匹配得到的后验知识没能反馈给粗匹配阶段,以修正粗匹配结果.为此,提出一种基于迭代修正的图像特征点匹配算法,该算法将精匹配得到的后验知识反馈给粗匹配阶段
提出了一种基于数值分析的异常扫描行为监测方法, 以Netflow网管数据为基础, 设计开发了监测系统, 实现了对网络中主流网络蠕虫病毒、IRC僵尸木马的传播爆发以及黑客恶意扫描
云计算中的资源分配一直都是研究的重点,提出了一种基于改进的蝙蝠算法的云计算资源分配方法.在蝙蝠算法中引入差分遗传算法,通过变异,交叉和选择等操作避免个体陷入局部最优
介绍了布谷鸟搜索(cuckoo search,CS)和Hopfield神经网络的基本原理,研究了基于Hopfield神经网络的数字识别应用.针对Hopfield网络权值在数字识别时易陷入局部最优,提出将CS
随着移动互联网络和移动终端设备硬件的快速发展,移动音视频的应用越来越普遍,这要求应用软件能高效的处理音视频文件以满足大众的需求.为提高软件运行效率,通过对多媒体处理
在上下文无关的说话人识别应用中,针对传统MFCC特征参数在语音预处理方面不足以及三角滤波器组的缺陷,提出一种改进的MFCC特征参数提取方法.一方面在传统算法上加入端点检测,