位置:成果数据库 > 期刊 > 期刊详情页
大规模散乱点的k邻域快速搜索算法
  • ISSN号:1006-8961
  • 期刊名称:中国图象图形学报
  • 时间:2013.4.16
  • 页码:399-406
  • 分类:TP391.4[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]兰州交通大学电子与信息工程学院,兰州730070
  • 相关基金:国家自然科学基金项目(61162016);甘肃省自然科学基金项目(1208RJZA243);陇原青年创新人才扶持计划(201182)
  • 相关项目:图像引导重离子放疗中靶区的精确定位及剂量校正方法研究
中文摘要:

针对大规模散乱点数据k最近邻域搜索速度慢和稳定性差的问题,提出一种新的k邻域快速搜索算法。首先,引入空间分块策略将数据集中的点归人不同的子空间;其次,动态控制搜索步长的改变量,根据点到其自身小立方体边界的最小距离保证搜索结果的准确性;最后,通过改变预筛选点数量的右侧控制阈值来消除已有算法中由于初始数值不当引起的死循环。实验结果表明该算法对初始搜索步长、搜索步长增量、采样密度和不同的拓扑结构具有较强的稳定性,并且能更快地完成k邻域搜索。

英文摘要:

To solve the problem of low efficiency and weak stability in searching the k-nearest neighbors of a large-scale scattered point cloud, a fast algorithm for finding k-nearest neighbors is presented. First, the point cloud data is divided in- to different sub-spaces by using a space block strategy. Second, the variation of the search step length is controlled dynami- cally. The accuracy of the algorithm is ensured by the minimum distance from the point to the small cube boundary. Final- ly, the infinite loop problem due to improper initial values in existing algorithms is avoided by altering the right-side thresh- old, which controls the number of pre-screening points. The experiment results show that the proposed method obtains not only a good stability for the initial searching step, the step increment, and the sampling density at different topology struc- tures, but also a better performance than the existing algorithms.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《数码影像》
  • 主管单位:
  • 主办单位:中国图象图形学学会 中科院遥感所 北京应用物理与计算数学研究所
  • 主编:
  • 地址:北京市海淀区花园路6号
  • 邮编:100088
  • 邮箱:
  • 电话:010-86211360 62378784
  • 国际标准刊号:ISSN:1006-8961
  • 国内统一刊号:ISSN:11-3758/TB
  • 邮发代号:
  • 获奖情况:
  • 国内外数据库收录:
  • 被引量:0