Abstract：
由于点云数据的稀疏性和无序性,导致其很难被压缩到较小的空间中,为此,可以将三维点云图像转换成二维距离图像,然后使用传统方法进行压缩.但传统方法在压缩过程中难以去除点云数据的相关性,对此,本文设计了一种基于神经网络的改变点云数据分布特点的方法.我们在神经网络中加入了广义除法归一化层,通过线性变换级联非线性变换,实现对点云数据的映射和高斯化,增强点云数据的空间相关性.同时,在解码步骤中使用残差网络增加网络深度,这将使网络有更好的泛化性能,从而达到更好的图像编码效果.与其他方法相比,本文针对二维点云距离图像对网络进行了优化,并且在保持相同质量情况下,码率节省了4.78％～5.63％,取得了更好的图像压缩编码效果.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
广播电视网络
ISSN： 2096-806X
CN： 10-1686/TN
Year： 2022
Issue： 9
Volume： 29
Page： 121-125
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
