融合空间域特征与频域解耦的多粒度轻量级点云分类

目的针对现有点云分类网络在局部几何结构建模、特征融合及表达能力方面的不足，提出一种基于空间域几何特征与频域解耦的多粒度点云分类。方法网络采用多维度多分支特征融合架构：首先，在空间域维度，整合点特征分支与全局特征分支，利用改进的边缘卷积算子及递增近邻数序列实现从局部到全局的多尺度几何特征聚合，并引入通道注意力机制实现显著性特征的自适应增强；在频域维度，通过局部频谱特征提取器解耦低频、高频及频谱差异信息，并利用选择性状态空间模型实现局部区域内的长距离特征交互；最后，融合正则化策略、双路池化和多重分类器，实现点云分类。结果该方法在ModelNet40数据集的总体准确率和平均准确率分别达到93.0%和90.7%，相较于现有方法分别提升约1.0%和2.0%，在ScanobjectNN数据集的总体准确率和平均准确率分别达到82.4%和79.8%，相较于现有方法分别提升约3.4%和4.6%，在ShapeNet Part数据集的实例平均交并比与类别平均交并比分别达到85.94%和83.32%，相较于现有方法分别提升约0.8%和0.7%。结论本方法能有效提升点云局部结构建模能力与尺度适应性，在保持模型轻量化的同时，显著提升了分类性能。