基于参数自适应各向异性高斯核的散乱点云保特征去噪

摘要：

为解决传统点云去噪算法造成的过光顺及局部失真问题,提出一种基于各向异性高斯核的散乱点云保特征去噪算法.根据邻域点在其切平面上的投影和采样点法向构建信息相似度函数,并通过信息相似度函数定义有效邻域;应用主元分析理论研究曲面采样点、棱线采样点和角点的特征值及特征向量的分布特性;在此基础上构建以协方差矩阵的伪逆矩阵为带宽矩阵的参数自适应的各向异性高斯核函数,并将其与双边滤波算法结合用于散乱点云去噪.实验结果表明,该算法能够根据点云的局部分布特性自适应地调整滤波主方向和各主方向的衰减速度,在实现散乱点云去噪的同时可有效保持点云模型的原始尖锐特征.

关键词：信息相似度、有效邻域、自适应、各向异性高斯核、点云去噪

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51305390,615013941;河北省自然科学基金资助项目F2016203312.Project supported by the National Natural Science Foundation,China51305390,61501394;the Natural Science Foundation of Hebei Province,ChinaF2016203312

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2583-2592