我院硕士研究生段晓磊参与撰写的论文“A Hierarchical Multi-Feature Point Cloud Lithology Identification Method Based on Feature-Preserved Compressive Sampling (FPCS)”发表于期刊《Sensors》。yl7703永利集团为论文第一署名单位，段晓磊为第一作者，井然老师为通讯作者。

针对传统方法在复杂地质条件下特征提取能力不足、岩性过渡带识别不清等问题，研究引入图信号处理理论，构建了基于测地距离与梯度加权的图拓扑模型。通过低通、带通、高通三层次图滤波器，分别提取岩层宏观形态、界面梯度及微观裂隙结构，并利用动态门控机制进行多级特征融合，结合随机森林分类器构建岩性识别模型。研究以准噶尔盆地南缘玛纳斯河露头为实验区，建立了涵盖多种岩性的大规模点云数据集。实验表明，相比Kmeans、SVM等传统方法以及PointNet、PointTransformer等深度学习模型，该方法在岩性过渡带、植被覆盖区等复杂场景下的识别效果更好。消融实验显示，特征保留压缩采样与多层次采样模块有助于保留关键信息、抑制噪声，提升了模型对宏观构造与微观细节的刻画能力。研究尝试将地质先验知识与图信号处理、机器学习结合，为三维露头点云的岩性识别提供了可参考的技术路径。

论文链接：https://doi.org/10.3390/s25175549

图 论文首页