文献类型：期刊文章

作　　者：任永梅[1,2] 杨杰[1] 郭志强[1] 陈奕蕾[3]

Ren Yongmei;Yang Jie;Guo Zhiqiang;Chen Yilei(Hubei Key Laboratory of Broadband Wireless Communication and Sensor Networks,School of Information Engineering,Wuhan University of Technology,Wuhan,Hubei 430070,China;School of Electrical and Information Engineering,Hunan Institute of Technology,Hengyang,Hunan 421002,China;School of Artificial Intelligence,Xidian University,Xi'an,Shaanxi 710071,China)

机构地区：[1]武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室,湖北武汉430070 [2]湖南工学院电气与信息工程学院,湖南衡阳421002 [3]西安电子科技大学人工智能学院,陕西西安710071

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金面上项目(51879211);湖南省教育厅科学研究项目(18C0900)。

年　　份：2020

卷　　号：57

期　　号：16

起止页码：222-230

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3DCNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3DCNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3DShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。

关 键 词：图像处理  船舶分类  三维卷积神经网络  体素网格  点云 点特征直方图  

分 类 号：TP391.4]