共查询到20条相似文献，搜索用时 15 毫秒
1.
《赣南师范学院学报》2020,(6):22-26
三维空间滤波能够同时利用光谱和空间信息提取图像中的光谱和空间特征,提高高光谱图像(hyperspectral image,HSI)的分类性能.本文提出了一种用于HSI分类的三维全卷积神经网络(3D Fully convolutional neural network,3D-FCNN)框架.该框架能够在不需要任何数据预处理及后处理的情况下有效地提取高光谱特征,实现对地物类型的分类.在Indian Pines高光谱数据集上进行的实验表明,与支持向量机、浅层神经网络及其他卷积神经网络算法相比,所提出的框架在总体分类能够有效提高高光谱图像的分类精度. 相似文献
2.
《洛阳师范学院学报》2015,(8):26-29
针对织物疵点图像特征,提出了利用压缩感知提取织物疵点特征数据的方法.为了提取到疵点特征,需利用感知波形对图像的数据矩阵进行感知得到特征数据,同时对分类器进行并联设计,继而通过仿真和实验,检测出疵点类型信息.实验表明,该方法能有效地分类出织物疵点的数据信息. 相似文献
3.
高光谱图像具有光谱分辨率高的特点,包含了大量可区分不同地物的光谱信息,在异常目标探测领域具有独特的优势.高光谱的光谱维度较高,容易导致信息冗余,使高光谱图像异常目标与背景不容易被区分出来.为了解决这个问题,提出了一种改进的基于密度峰值背景纯化的高光谱图像异常目标检测算法.通过一个极限学习网络,获得一个低维的特征空间;计算双窗内像元的局部密度,滤除背景中的异常目标获得纯背景集;用协同表示算法进行异常检测,避免对背景进行假设及估计.实验表明该方法AUC值更高,能更好地实现异常目标和背景的分离,有效地对高光谱图像进行异常目标检测,同时部分数据集的检测时间也得到了一定程度的缩短. 相似文献
4.
对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。 相似文献
5.
提出一种基于深度学习的高光谱图像多标签分类算法。采用深度学习算法中的堆叠降噪自动编码器方法对每个像素的深层特征进行抽取,该方法可以有效表现高维特征空间中的非线性混合像素。使用多标签逻辑回归方法为每个像素预测并分配多个类标签。通过对合成数据和实际高光谱数据的大量对比实验,实验结果表明:该算法能够有效地为高光谱图像的像素精确地分配多类标签。 相似文献
6.
提出一种基于引导滤波和最大噪声分离变换的高光谱遥感图像分类方法。使用MNF对高光谱图像进行最大噪声分离变换并进行降维,然后使用引导滤波对降维后的图像进行滤波操作,使用的引导图像为MNF变换后的第一成份,得到滤波后的高光谱图像特征,最后使用支持向量机针对特征进行分类。在AVIRIS图像上的实验结果表明,与单纯的MNF方法相比,该方法的Kappa系数提高超过15%。 相似文献
7.
本文介绍了基于图像分类的技术进行蛋白质二级结构预测的方法.该方法从蛋白质氨基酸在空间的距离矩阵入手,将距离矩阵作为图像进行图像特征提取,并采用图像识别的方式进行分类.通过实验证实,该方法能够有效地提高二级结构预测准确率. 相似文献
8.
陈丹 《赤峰学院学报(自然科学版)》2011,27(3):44-46
在多尺度分解的框架下,对像素级的多源图像融合,提出一种基于低通滤波与小波变换的图像融合算法.先将低空间分辨率的多光谱图像插值,使之具有与高空间分辨率全色图像相同的分辨率,然后再对多光谱图像低频分量和全色图像低频分量进行融合处理,得到一幅具有高空间分辨率的多光谱图像.将全色图像的低频分量和多光谱图像的低频分量进行融合,以达到增强光谱图像的低频分量空间特性效果. 相似文献
9.
《实验室研究与探索》2016,(2):128-134
当前大多数图像集合分类方法对图像集合进行表示时往往做出部分先验假设,然而在许多实际应用中,这些假设可能无法成立,尤其是当集合内部存在大量复杂的数据变化时更是如此。此外,基于这些假设进行模型学习时可能会丢失部分区分性分类信息。针对这一问题,本文提出一种基于特征表示与学习的图像集合分类方法。对每个图像集合,首先将计算它的多阶统计量作为特征表示。对每阶统计量,计算一个内核矩阵来衡量两个图像集合的相似性。然后,通过利用局部多内核指标学习(LMKML)方法来学习一种距离指标,进而将不同阶统计量综合起来。最后,利用最近邻分类器进行分类。基于4种常用图像集合数据库的实验结果验证了本文算法的有效性。 相似文献
10.
许法强 《浙江工贸职业技术学院学报》2016,(4):54-58
本文提供了一种通用的彩色纹理分类方法.首先将灰度共生矩阵扩展应用于彩色图像,然后从中提取Haralick彩色纹理特征.由于每个图像像素都可在不同颜色空间中表示,所以利用了一种迭代选择算法,以降低彩色纹理特征空间的维度.通过BarkTex纹理数据库的应用测试,证明了该方法对纹理分类的有效性. 相似文献
11.
郑继绍 《廊坊师范学院学报(自然科学版)》2014,14(4)
使用一种模仿人类形象思维的图像特征提取方法,把图像映射为高维空间的一个点,并以此作为特征向量.计算高维特征空间中的点之间的距离,并在此基础上,使用K近邻算法进行图像分类.实验表明,与使用其他方法的特征提取下的K近邻算法相比,该方法具有优越性. 相似文献
12.
13.
利用扩散映射所诱导出的扩散几何坐标对高光谱影像低维可视化表示,这种非线性维度约简的表示方法能够得到高光谱影像紧凑而富含信息量的可视化表示结果.通过对海量高光谱影像中每个高光谱观测向量进行局部搜索,仅考虑局部的邻接性和局部的相似度,构造出该高光谱影像对应的近邻图;对近邻图进行合适的规范化,得到该高光谱影像对应的扩散算子,相当于利用该扩散算子对高光谱特征空间模拟出马尔可夫随机游走.因此这样的构造较好地把握了高光谱影像内蕴的几何信息,与传统的基于主成分分析的线性降维表示方法相比,由扩散算子的特征分解所诱导出的扩散几何坐标能够给出更好的表示效果,富含更多的信息.对于大尺度的全景高光谱影像,利用构造"骨干"扩散几何坐标系的方法,其计算的时间复杂性和空间需求都是可接受的.实验也表明,选择合适的对称化方法规范扩散算子对于最终的高光谱影像表示有重要的影响. 相似文献
14.
高光谱遥感使宽波段遥感中不可探测的物质可以被探测,成为了遥感界的一场新的革命．由于高光谱遥感图像波段多、光谱分辨率高、数据量庞大,给高光谱遥感数据实际应用分析带来极大不便．以特征选择为目的,以协方差矩阵特征值法为评价算法,设计实现了基于遗传算法和差分演化算法的降维过程．通过与传统的序列向前搜索的特征选择进行对比实验,比照搜索结果和算法耗时,验证了演化算法在特征选择的实现过程中具有良好的性能,证明了演化算法在高光谱图像降维中的实用价值．其中差分演化算法搜索结果十分稳定,可以替代完全搜索来寻找最优解． 相似文献
15.
特征-决策层多分类器融合的知识发现方法 总被引：1，自引：0，他引：1
为进一步提高多分类器系统的分类性能,提出了一种基于知识发现的特征决策层多分类器融合新方法.各分类器工作于具有互补分类信息的不同特征空间且其类型由不同的类间可分性度量决定.各分类器输出的不确定性度量从建立的多个决策表中导出,并具有条件mass函数的形式.进而基于广义粗集模型和Dempster-Shafer理论(DST)构造了一种新颖的特征决策层融合框架.高光谱遥感图像的分类实验表明,与多数表决融合(PV)相比,所提出的方法可有效提高多分类器系统的分类性能. 相似文献
16.
陈瑞瑞 《河南职业技术师范学院学报(职业教育版)》2018,(4)
针对传统的图像分类算法忽略图像多个对象之间的关系,同时存在人类感知高层语义信息和底层图像特征表达之间的障碍等不足,引入了基于深度卷积神经网络的人脸图像识别算法.该算法借助于深度学习,对经典的卷积神经网络分别从内部结构和网络框架上进行优化和改进,通过增加网络结构深度和优化训练模型提取出图像高层语义特征,继而提高图像分类的精确度.实验表明,改进后的深度卷积神经网络分类算法具有良好的有效性和鲁棒性. 相似文献
17.
为了提高线性回归分类（LRC）算法的鲁棒性,提出了一种基于Fisher准则的线性判别回归分类算法。利用Fisher准则将类间与类内重建误差的比值最大化,找到线性回归分类的最优投影矩阵;再将训练图像及测试图像投影到各类的特征子空间;求得各训练图像与测试图像间的欧氏距离,最后用K-近邻分类器完成人脸识别。在AR人脸数据库上的实验结果表明,相比其他回归分类算法,算法取得了更好的识别效果。 相似文献
18.
《绵阳师范学院学报》2019,(11)
鉴于线性判别分析(Linear Discriminant Analysis,LDA)算法存在的弊端,本文提出了一种基于局部离散度的监督型线性判别分析(Supervised Linear Discriminant Analysis based on Local Dispersion,SLDALD)算法.新方法的改进主要有:1)从像元邻域的角度出发,对类内散布矩阵、类间散布矩阵进行重新定义,得到类内邻域散布矩阵和类间邻域散布矩阵.新定义充分考虑了不同区域之间像元光谱特征离散度的差异性; 2)在计算类间邻域散布矩阵时,赋予类边界像元较大的权重,让特征降维更针对此类像元; 3)在计算类内邻域散布矩阵时,加大类边界像元的权重,让后续的特征降维针对此类像元.同时,降低噪声点的权重,以抑制噪声点对特征降维的干扰.实验结果表明:相比依据LDA算法所获得的低维特征的分类结果,以SLDALD算法所获得的低维特征为依据,影像分类精度得到明显地提高. 相似文献
19.
李爽 《河南职业技术师范学院学报(职业教育版)》2018,(4)
图像特征提取方法以及分类器的选择是影响图像分类精确度的关键因素.传统算法利用单一的图像特征和浅层结构对图像进行分类,算法实现简单但结果精确度不高.针对这一情况,提出基于多特征融合和深度学习的图像分类算法.算法利用颜色矩、LBP和梯度直方图等算法提取图像的颜色、纹理以及形状特征,继而通过融合算法将这些不同属性的特征进行融合,作为深度学习网络的输入层.实验结果表明,相对于单特征浅层分类,算法在保证时效性的同时,图像分类精确度得到了提高,分类效果更加可靠. 相似文献
20.
面积是森林资源调查的重要内容之一,同时也是森林蓄积总量计算时必要参数。针对高分辨率遥感影像空间分辨率高,而光谱分辨率低的特点,探讨了综合利用纹理特征和光谱特征提高分类精度,进而提高林分面积的方法。 相似文献