基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在点云预处理阶段,传统的基于 k 邻域的稀疏离群点移除算法尚存在一些不足。在点云的处理过程中,关于 k 邻域的大小以及所要滤去的稀疏离群点的噪声阈值方面,没有给出合理的选取方案。通过对散乱点云传统 k 近邻稀疏离群点移除算法的分析与研究,提出一种基于 k 邻域平均距离的频率直方图的分析方法,对传统基于 k 邻域的离群点移除算法进行了改进。通过该方法可以有效选取合理的 k 值与噪声阈值。该方法通过对散乱点云设置依次增大的 k 值,生成 k 邻域平均距离的统计直方图,分析统计直方图来确定 k 邻域值的适当大小。针对适当的 k 值,选取合理的噪声阈值对其进行去噪处理。通过这种方法,为稀疏离群点移除算法中 k 值和噪声阈值的选取提供了理论依据,提高了点云搜索效率的同时有效防止了离群点的过度删除。
推荐文章
基于K-近邻树的离群检测算法
离群检测
离群簇
最小生成树
不相似性
K-近邻
基于方形对称邻域的局部离群点检测方法
数据挖掘
离群检测
方形对称邻域
局部离群度
基于全息熵的空间离群点挖掘算法研究
全息熵
R*-树
空间离群点
离群点检测
混合属性
一种基于邻域系统密度差异度量的离群点检测算法
数据挖掘
离群点检测
基于密度
LOF
LDOF
CBOF
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于频率直方图的K邻域稀疏离群点移除算法
来源期刊 计算机应用与软件 学科 工学
关键词 散乱点云 稀疏离群点 k 近邻 直方图 密度特征
年,卷(期) 2016,(12) 所属期刊栏目 图像处理与应用
研究方向 页码范围 169-172,206
页数 5页 分类号 TP391
字数 4241字 语种 中文
DOI 10.3969/j.issn.1000-386x.2016.12.041
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谢晓尧 贵州师范大学贵州省信息与计算科学重点实验室 101 352 9.0 12.0
2 刘嵩 贵州师范大学贵州省信息与计算科学重点实验室 4 6 1.0 2.0
3 郭子选 贵州师范大学贵州省信息与计算科学重点实验室 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (65)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(10)
  • 参考文献(1)
  • 二级参考文献(9)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(8)
  • 参考文献(2)
  • 二级参考文献(6)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
散乱点云
稀疏离群点
k 近邻
直方图
密度特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导